目录 核心思路相关工作Pipeline图像特征Cost VolumnDepth MapLoss 实现数据视角选择训练后处理 实验评估消融缺陷 MVSNet: Depth Inference for Unstructured Multi-view Stereo ECCV 2018 核心思路 extract deep visual image featuresbuild 3D cost column upon the referen…

目录 一、key-word 1.1 Pre​​​​​​​text task 1.2 MoCo 1.3 CLD 二、SSL(self- supervised learning) framework 2.1 Augmentation 2.2 Kuzikus Wildlife Dataset Pre-training (KWD-Pre) 2.3 Kuzikus Wildlife Dataset Long-Tail distributed (KWD-LT) 一、key…

VLDeformer：用于快速跨模态检索的视觉语言分解transformer 跨模型检索已成为纯文本搜索引擎 (SE) 最重要的升级之一。 最近，通过早期交互对成对文本图像输入的强大表示，视觉语言 (VL) transformer的准确性优于现有的文本图像检索方法。 然而…

一、前置知识 条件生成对抗网络（cGANs）:条件生成对抗网络(cGAN) - 知乎 (zhihu.com) 对比学习：对比学习（Contrastive Learning），必知必会 - 知乎 (zhihu.com) 二、关于本文 目前研究所处瓶颈及其所面对…

文章目录 一、背景二、方法三、效果 一、背景 Transformer 在多个领域实现了良好的效果，但其计算量随着 patches 数量的增加、self-attention head 数量增加、transformer block 数量的增加会有很大的增大。 但作者提出了两个个问题： 是否所有的 patch…

ViT-Adapter：Vision Transformer Adapter for Dense Predictions 论文地址：https://arxiv.org/abs/2205.0853 SL是监督学习，SSL是自监督学习 之前是使用的针对特定任务进行设计的Vision-Specific Transformer，先对图像形态进行预…

论文： https://arxiv.org/abs/2201.00520 代码： https://github.com/LeapLabTHU/DAT 2022年1月 1 简介 与CNN模型相比，基于Transformer的模型具有更大的感受野，擅长于建模长期依赖关系，在大量训练数据和模型参数的情…

论文标题：VideoGPT: Video Generation using VQ-VAE and Transformers 论文代码：https://wilson1yan. github.io/videogpt/index.html. 论文链接：https://arxiv.org/abs/2104.10157 发表时间： 2021年9月 Abstract 作者提出了…