centric专题

[论文阅读笔记31] Object-Centric Multiple Object Tracking (ICCV2023)

最近Object centric learning比较火, 其借助了心理学的概念, 旨在将注意力集中在图像或视频中的独立对象（objects）上，而不是整个图像。这个方法与传统的基于像素或区域的方法有所不同，它试图通过识别和分离图像中的各个对象来进行学习和理解。这个任务和跟踪有着异曲同工之处，跟踪也是需要在时序中定位感兴趣的目标。那么object centric learning能否用于无

数据驱动（Data-Driven）和以数据为中心（Data-Centric）的区别

一、什么是数据驱动？数据驱动（Data-Driven）是在管理科学领域经常提到的名词。数据驱动决策（Data-Driven Decision Making，简称DDD）是一种方法论，即在决策过程中主要依赖于数据分析和解释，而不是依赖于直觉或个人经验。它是相对于传统的经验驱动、直觉驱动或者偏见驱动的决策来讲的。 Case1：数据驱动的案例 Netflix公司通过收集和分析用户的观看习惯，评分

Web agent 学习 2：TextSquare: Scaling up Text-Centric VisualInstruction Tuning

学习论文：TextSquare: Scaling up Text-Centric Visual Instruction Tuning（主要是学习构建数据集）递归学习了：InternLM-XComposer2: Mastering Free-form Text-Image Composition and Comprehension in Vision-Language Large Models（

Software Development for Small Teams: A RUP-Centric Approach

1.Chinese Tiny LLM_ Pretraining a Chinese-Centric Large Language Model

文章目录摘要一、背景二、预训练数据统计信息数据处理模型架构三、SFT四、Learning from Human Preferences五、评估数据集和指标训练过程和比较分析安全性评估中文硬指令理解与遵循评价六、结论 https://arxiv.org/abs/2404.04167https://github.com/Chinese-Tiny-LLM/Chinese-Tiny

ES如何提高准确率之【term-centric】

提高准确率的方法有很多，但是要在提高准确率的同时保证召回率往往比较困难，本文只介绍一种比较常见的情况。问题场景我们经常搜索内容，往往不止针对某个字段进行搜索，比如：标题、内容，往往都是一起搜索的。 index结构如下： {"settings": {"number_of_shards": "1","number_of_replicas": "0"},"mappings": {"proper

HEMlets Pose: Learning Part-Centric Heatmap Triplets for Accurate 3D Human Pose Estimation，ICCV 2019

摘要：提出部件-中心-热图三元组，构建空间体积，再用积分的方式实现端到端训练。介绍：三个挑战（1）从图像推到3D pose的歧义性问题（2）针对回归问题，已有的方法，没有很好的平衡，人体表示与学习效率的关系（3）室外场景训练数据匮乏。本文的提出的部件-中心热图三元组，将人体部件周围的体积空间极化，每个部件有两个关节点连接。其实，就是简单的一个2D heatmap的一张热图变成三张热图。

【论文阅读-室内场景合成：交互度量】Human-centric metrics for indoor scene assessment and synthesis

【关键词】3D modeling、Environment assessment、Indoor scene synthesis 【主要问题】对于已知类型的房间（已知摆放物品、已知房间形状、门窗位置）布局【主要思想】定义以人为中心的度量来定量评估布局的质量（Human-Centric Metrics）【主要方法】定量评估方法 Human-object factors：使用human a

Data-Centric Financial Large Language Models

本文是LLM系列文章，针对《Data-Centric Financial Large Language Models》的翻译。以数据为中心的大语言金融模型摘要1 引言2 背景3 方法4 实验5 结论和未来工作摘要大型语言模型（LLM）有望用于自然语言任务，但在直接应用于金融等复杂领域时却举步维艰。LLM很难对所有相关信息进行推理和整合。我们提出了一种以数据为中心的方法，使

Janus: Data-Centric MoE 通讯成本分析（2）

文章链接：Janus: A Unified Distributed Training Framework for Sparse Mixture-of-Experts Models 发表会议: ACM SIGCOMM 2023 (计算机网络顶会) 系统学习：Janus: 逆向思维，以数据为中心的MoE训练范式（1）目录前言通讯成本分析1. Expert Parallelism and

Boundary IoU:Improving Object-Centric Image Segmentation Evaluation总结笔记

Boundary IoU:Improving Object-Centric Image Segmentation Evaluation（边界Iou：改进以对象为中心的图像分割评价）目录一、论文出发点二、论文核心思想三、相关工作四、敏感度分析五、Boundary IoU定义和实验证明六、应用七、结论一、论文出发点对于分割任务，不同的评估指标对不同类型错误的