guidance专题

神经网络训练不起来怎么办（零）| General Guidance

摘要：模型性能不理想时，如何判断 Model Bias， Optimization， Overfitting 等问题，并以此着手优化模型。在这个分析过程中，我们可以对Function Set，模型弹性有直观的理解。关键词：模型性能，Model Bias， Optimization， Overfitting。零，领域背景如果我们的模型表现较差，那么我们往往需要根据 Training l

COD论文笔记 Adaptive Guidance Learning for Camouflaged Object Detection

论文的主要动机、现有方法的不足、拟解决的问题、主要贡献和创新点如下：动机：论文的核心动机是解决伪装目标检测（COD）中的挑战性任务。伪装目标检测旨在识别和分割那些在视觉上与周围环境高度相似的目标，这对于计算机视觉来说是非常困难的任务。尽管深度学习方法在该领域取得了一定进展，但现有方法仍面临有效分离目标和背景的难题，尤其是在伪装目标与背景特征高度相似的情况下。现有方法的不足之处：过于

阅读笔记（四）NoSQL的选择指引《NoSQL database systems: a survey and decision guidance》

一. 前言《NoSQL database systems: a survey and decision guidance》是一篇很好的综述类论文，详细的论述了NoSQL的特点和各种不同NoSQL数据库的选择依据。传统的关系型数据库（relational database management systems ，RDBMSs）可以在保证一致性、可靠性、稳定性的前提下提供强有力的数据存储

OmniGlue: Generalizable Feature Matching with Foundation Model Guidance

【引用格式】：Jiang H, Karpur A, Cao B, et al. OmniGlue: Generalizable Feature Matching with Foundation Model Guidance[J]. arXiv preprint arXiv:2405.12979, 2024. 【网址】：https://arxiv.org/pdf/2405.12979 【开源代码

扩散模型条件生成——Classifier Guidance和Classifier-free Guidance原理解析

1、前言从讲扩散模型到现在。我们很少讲过条件生成（Stable DIffusion曾提到过一点），所以本篇内容。我们就来具体讲一下条件生成。这一部分的内容我就不给原论文了，因为那些论文并不只讲了条件生成，还有一些调参什么的。并且推导过程也相对复杂。我们从一个比较简单的角度出发。参考论文：Understanding Diffusion Models: A Unified Perspectiv

guidance - Microsoft 推出的编程范式

文章目录一、关于 guidance安装二、加载模型llama.cppTransformersVertex AIOpenAI 三、基本生成四、限制的生成选择（基本）正则表达正则表达式来限制生成正则表达式作为停止标准上下文无关语法五、状态控制+生成1、不可变对象中的状态2、有状态的 `guidance` 函数3、示例：ReAct4、示例：更改聊天会话的中间步骤5、控制和生成的自动交错

guidance快速配置流程-for LLM inference

conda create conda create -n guidance python=3.10 pytorch conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia pip install guidance guidance copy code pip transfor

Inferring Camouflaged Objects by Texture-Aware Interactive Guidance Network阅读笔记

AAAI 2021 J Zhu, X Zhang, S Zhang, J Liu 论文地址一、简介我们提出了一种具有多个提示并设计了用于异构特征融合的FGM模块的纹理标签，FGM模块使用两种类型的具有丰富语义信息的高级特征，以指导一种具有丰富细节的低级特征。我们介绍了用于双向特征优化的FGD解码器，其中分割特征抑制了纹理特征的背景噪声，并使用精细纹理功能来推断更准确的分割特征。从纹理感

UNIFYING DIFFUSION MODELS’ LATENT SPACE, WITHAPPLICATIONS TO CYCLEDIFFUSION AND GUIDANCE [ICCV 2023]

论文链接https://arxiv.org/abs/2210.05559github链接https://github.com/ChenWu98/cycle-diffusion Abstract Diffusion models have achieved unprecedented performance in generative modeling. The commonly-adopted

Learning Semantic-Aware Knowledge Guidance forLow-Light Image Enhancement

微光图像增强（LLIE）研究如何提高照明并生成正常光图像。现有的大多数方法都是通过全局和统一的方式来改善低光图像，而不考虑不同区域的语义信息。如果没有语义先验，网络可能很容易偏离区域的原始颜色。为了解决这个问题，我们提出了一种新的语义感知知识引导框架（SKF），该框架可以帮助弱光增强模型学习封装在语义分割模型中的丰富多样的先验。我们专注于从三个关键方面整合语义知识：一个语义感知嵌入模块，它在特征表

Classifier Guidance 与 Classifier-Free Guidance

Classifier Guidance 与 Classifier-Free Guidance DDPM 终于把 diffusion 模型做 work 了，但无条件的生成在现实中应用场景不多，我们终归还是要可控的图像生成。本文简要介绍两篇关于 diffusion 模型可控生成的工作。其中 Classifier-Free Guidance 的方法还是现在多数条件生成 diffusion 模型的主流思

模式与实践系列发布WCF Security Guidance 1.0

模式与实践 2008年8月1日在 CodePlex 网站上发布了 WCF Security Guidance 中的 Application Scenarios，这是一个运用应用实例来解释WCF身份认证的实际场景，在真实应用程序中面对复杂的 WCF Configuration File 面对有不知如何下手的困境，一个混和 Web Application，Web Services与数据库的身份认证，如

Silverlight 和WPF的Composite Guidance(Prism V2)发布了

Microsoft 模式和实施方案小组最近发布了第二个版本的“WPF 复合应用程序指南”，这一新指南旨在充分利用 WPF/Silverlight 的功能和编程模型。同时，团队还根据内部产品团队、客户以及 .NET 社区的反馈，在之前复合应用程序指南的设计基础上进行了完善。 V2版本新特性： Composite scenarios for Silverlight Multi-targeting

Prism site (formerly known as Composite Application Guidance for WPF and Silverlight)

原文地址: http://compositewpf.codeplex.com/ Prism site (formerly known as Composite Application Guidance for WPF and Silverlight) Announcements We've added a Prism V2.2. source self-extracting arch

读《Multi-modal Graph Fusion for Named Entity Recognition with Targeted Visual Guidance》

2021 摘要主导的多模态命名实体识别(MNER)模型并没有充分利用不同模态语义单元之间的细粒度语义对应，这具有细化多模态表示学习的潜力。引言如何充分利用视觉信息是MNER的核心问题之一，它直接影响了模型的性能。尝试：（1）将整个图像编码为全局特征向量(图1(a))，可用于增强每个单词表示（月亮、内维斯和卡瓦略2018），或指导单词学习视觉感知表示(Lu等2018；张等2018)

论文阅读笔记001：Some Practical Guidance for The Implementation of Propensity Score Matching

文章目录一、写在前面二、论文总结、评价和应用。三、论文讨论的主要问题四、结论五、文章脉络AbstractSection 1: IntroductionSection 2: Evaluation Framework and Matching BasicsRoy-Rubin ModelParameter of Interest and Selection BiasUnconfoundness

采用 guidance 提高大模型输出的可靠性和稳定性

本文首发于博客 LLM 应用开发实践在复杂的 LLM 应用开发中，特别涉及流程编排和多次 LLM 调用时，每次的 Prompt 设计都取决于前一个步骤的大模型输出。如何避免大语言模型的"胡说八道"，以提高大语言模型输出的可靠性和稳定性，成为一个具有挑战性的问题。在开发应用的过程中，我发现了微软推出的开源项目 guidance，能够很好地解决这一繁琐问题，本篇文章对此进行详细说明。场景

智能导诊（Intelligent Guidance，IG）源码

智能导诊（Intelligent Guidance，IG），为患者提供线上挂号智能辅助服务，患者输入自己的症状后，AI引擎会理解患者病情并推荐对应的科室和医生，产品同时还提供智能问病、智能问药、医务咨询等十多种智能就医服务。根据不同场景需求，可应用于线上挂号、互联网医院、区域平台等场景中，解决医患资源错配、患者医药专业知识缺乏、院内咨询不便等问题，同时提升智慧医院服务质量。导诊台总是