冯大仙发布的文章

NIPS2023论文集

冯大仙 1年前 NIPS导读

NIPS2023论文集

oralAdditive Decoders for Latent Variables Identification and CartesianProduct ExtrapolationAre Emergent Abilities of Large Language Models a MirageAugmenting Frozen Language Models with Massive Tools via Tool EmbeddingsA Maximum Likelihood Framework for Offline Inverse Reinforcement LearningA Me...

2606 0 0

cvpr2023论文集

冯大仙 1年前 CVPR导读

cvpr2023论文集

Improving Robustness of Semantic Segmentation to Motion-Blur Using Class-Centric Augmentation3DAvatarGAN Bridging Domains for Personalized Editable AvatarsTopology-Guided Multi-Class Cell Context Generation for Digital PathologyAffection Learning Affective Explanations for Real-World Visual DatSh...

1081 0 0

通过估计数据分布的梯度进行生成建模

冯大仙 1年前 NIPS导读

通过估计数据分布的梯度进行生成建模

原文：Generative Modeling by Estimating Gradients of the Data Distribution作者讲解视频看这里哦原理生成模型可以被用于生成新数据，其应用包括生成高保真度的图片、合成逼真的语音和音乐片段等等。目前主要进展可以分为两个流派：基于似然的方法和生成对抗网络(GAN)。前者以对数似然作为训练目标(即尽量逼近真实的数据分布)，后者通过对抗训练最小化模型输出与真实数据之间的差距。但上述两种方法都存在这局限性，似然法需要通过特殊的模型结构或其他代理损失来得到规范化的概率函数，GAN则存在着训练不稳定的问题。在本文中提出了一种基于对数概率密...

3344 0 0

一个场景文本图像超分辨率重建任务的基准

冯大仙 1年前 ICCV导读

一个场景文本图像超分辨率重建任务的基准

原文：A Benchmark for Chinese-English Scene Text Image Super-resolution一、why?现有的工作大多集中于恢复字符结构相对简单(26个字母)的英文文本，而对于字符结构多样且复杂、更具挑战性的中文文本的研究工作较少。二、相关研究SISR(single image super-resolution): SISR通过将低分辨率( LR )图像作为输入来估计高分辨率( HR )输出。传统方法通过人为设计的先验实现。最近，将卷积神经网络( CNN )用于SISR，取得了显著更好的性能。STISR(scene text image sup...

2497 0 0

一种轻量化的讲话人检测模型

冯大仙 1年前 CVPR导读

一种轻量化的讲话人检测模型

原文：A Light Weight Model for Active Speaker Detection什么是讲话人检测（active speaker detection) ASD任务是实现在任意视频中从一群候选者中找到正在说话的人，该任务是一种多模态任务，其输入为视频和声音信号。故可以归类为音频-视频任务。当前比较有名的大数据集是AVA-ActiveSpeaker。目前主流的方法为，将一系列候选者的人脸序列输入到3D卷积神经网络中提取特征，再通过复杂的注意力模块建模跨模态信息。这类方法的缺点是内存消耗大，计算负担大。这大大限制了在实时场景下的应用。Let's go！进入正文本...

1188 0 0

发布者：冯大仙

NIPS2023论文集

cvpr2023论文集

通过估计数据分布的梯度进行生成建模

一个场景文本图像超分辨率重建任务的基准

一种轻量化的讲话人检测模型

最近评论

博客文章RSS订阅

博客评论RSS订阅

登录

发布者：冯大仙

NIPS2023论文集

cvpr2023论文集

通过估计数据分布的梯度进行生成建模

一个场景文本图像超分辨率重建任务的基准

一种轻量化的讲话人检测模型

最近评论

博客文章RSS订阅

博客评论RSS订阅