亮点:ICLR2020 论文:https://arxiv.org/pdf/1902.08153.pdf code：非官方实现 摘要 在推理时以低精度操作运行的深层网络具有比高精度替代方案更强大的功耗和空间优势，但是需要克服随着精度降低而保持高精度的挑战。在这里，我们提出了一种用于训练此类网络的方法，即“学习步长量化”，该方法可以在使用模型时在ImageNet数据集上实现迄今为止最高的准确性

这是一篇CVPR2019的论文，主要是做Magnetic resonance imaging(MRI)医学图像的分割（segmentation)。 MRI 磁共振成像（MRI）是一种用于放射学中的医学成像技术，用于形成人体解剖结构和生理过程的图片。MRI扫描仪使用强磁场，磁场梯度和无线电波来生成体内器官的图像。MRI不涉及X射线或使用电离辐射，这与CT或CAT扫描以及PET扫描不同。磁共振成

作者：Zichen Liu, Siyi Li, Wee Sun Lee, Shuicheng YAN, Zhongwen Xu 论文链接：Efficient Offline Policy Optimization with a Learned Model | OpenReview 发表时间：  ICLR   2023年1月21日  代码链接：https://github.com/sa

原文 RWA Image Dataset：the Darmstadt Noise Dataset Abstract 1、Introduction 1、传统图像去噪方法：分析图像属性、对噪声建模（传统方法好像总是这样，建立模型然后用数学方法贴近模型） TBD：找传统的3-5种方法过一遍 2、深度学习图像去噪方法思路：学习有噪图像到无噪图像的映射。 TBD：深度学习方法的难点：成对数据集怎么

Unprocessing Images for Learned Raw Denoising 今天介绍谷歌发表在 2019 CVPR 上的一篇文章，Unprocessing Images for Learned Raw Denoising，这篇文章主要为了解决数据构造的问题，简单来说，就是将 ISP 的流程逆过来，从 sRGB 图像变到 RAW 图，然后进行模型训练，从而达到降噪的过程。 我们都

《Learned Motion Matching》个人理解与翻译 文章目录 《Learned Motion Matching》个人理解与翻译Basic Motion MatchingLMM (Learned Motion Maching)Decompressor 解码特征向量Stepper 负责帧的步进Projector 寻找下一个最佳匹配特征Training 训练相关信息 训练结果性

Learned Queries for Efficient Local Attention Abstract (Vision transformer, ViT)是一种强大的视觉模型。与前几年主导视觉研究的卷积神经网络不同，ViT具有捕获数据中的长期依赖关系的能力。尽管如此，任何transformer体系结构的一个组成部分，即自注意力机制，都存在高延迟和低效的内存利用问题，这使得它不太适合高分

在国外论坛看到的一个人关于自己实习的感想，跟大家分享一下

Clustering-Based Speech Emotion Recognition by Incorporating Learned Features and Deep BiLSTM 复现日志 2021/11/22 阅读文章后初步构思复现内容： 数据集的下载和管理（注意speaker dependent和speaker independent数据集处理方式是不同的，需要设置一

LIFT: Learned Invariant Feature Transform 论文概述 创新点 使用统一的模型进行端到端的有监督训练利用了传统特征提取的先验知识 方法 训练过程 * 分阶段训练* 利用SfM中sift的位置和角度，训练描述符网络* 利用SfM中sift的位置，和训练好的描述符网络，训练旋转估计网络* 利用已经训练好的旋转估计和描述符网络训练特征点提取网络* 损失