paper专题

图形编辑器基于Paper.js教程03：认识Paper.js中的所有类

先来认一下Paper的资源对象，小弟有哪些，有个整体的认识。认个脸。在Paper.js的官方文档中类大致有如下这些：基类： ProjectViewItemPointToolSizeSegmentRectangleCurveCurveLocationMatrixColorStyleTweenToolEventGradientGradientStopEvent 二级或三级类继承Ite

SLAM Paper Reading和代码解析

最近对VINS、LIO-SAM等重新进行了Paper Reading和代码解析。这两篇paper和代码大约在三年前就读过，如今重新读起来，仍觉得十分经典，对SLAM算法研发具有十分重要的借鉴和指导意义。重新来读，对其中的一些关键计算过程也获得了更新清晰的了解，现整理分享出来，供有需要的同学参考。 VINS-MONO算法总结-徐胜攀.pdf资源-CSDN文库对VINS-MONO的算法框架进

计算机建模| FIT3139 Computational Modelling and Simulation – PAPER 1

本次澳洲写主要为计算机建模相关的限时测试 Question 1 [10 marks = 5 + 5 ] This question is about errors and computer arithmetic. A) Determine an expression that approximates the condition number for the following functi

AIGC-CVPR2024best paper-Rich Human Feedback for Text-to-Image Generation-论文精读

Rich Human Feedback for Text-to-Image Generation斩获CVPR2024最佳论文！受大模型中的RLHF技术启发，团队用人类反馈来改进Stable Diffusion等文生图模型。这项研究来自UCSD、谷歌等。在本文中，作者通过标记不可信或与文本不对齐的图像区域，以及注释文本提示中的哪些单词在图像上被歪曲或丢失来丰富反馈信号。在 18K 生成图像 (R

【ISAC】paper_NOMA Empowered Integrated Sensing and Communication

NOMA Empowered Integrated Sensing and Communication. 文章目录 ModelCommunication ModelSensing ModelProblem Formulation Solution Model Dual-functional base station (BS) equipped with an N N N-ant

Paper Reading: EfficientAD：毫秒级延迟的准确视觉异常检测

EfficientAD 简介方法高效的patch描述PDN教师pretraining 轻量级的师生模型逻辑异常检测异常图像的标准化实验局限性 EfficientAD: Accurate Visual Anomaly Detection at Millisecond-Level Latencies EfficientAD：毫秒级延迟的准确视觉异常检测, WACV 2024 pa

how to read paper ——知乎

首先声明，我的方向是机器学习和数据挖掘，平时读的文章偏重算法研究。计算机本身就是个很大的学科，算法，嵌入式，网络都是计算机，但是我认为研究的侧重点是不一样的，文章的结构也会不同，所以我就只能根据机器学习方面的经验说说了。个人觉得做研究的不同时期读论文的方式也不一样，最开始刚入行的时候当然会一个字一个字的读，甚至还会用词典把单词的意思查出来标在旁边（我非常反对这么做！你不是在学英语！），我见过厉

Paper速读-[Visual Prompt Multi-Modal Tracking]-Dlut.edu-CVPR2023

文章目录简介关于具体的思路问题描述算法细节实验结果模型的潜力模型结果论文链接：Visual Prompt Multi-Modal Tracking 开源代码：Official implementation of ViPT 简介这篇文章说了个什么事情呢，来咱们先看简单的介绍图简单来说，这篇文章主要干了这么一个事情：以前的多模态呢，都是直接提取特征然后拼接

Poetry Camera照相机将照片转换成诗歌并打印出来；吴恩达新课程深入了解Mistral；科学研究AI小助手data-to-paper

✨ 1: Poetry Camera 将拍摄的照片转换成诗歌并打印出来 Poetry Camera——一个能够把它所见之物转化成诗歌并打印出来的相机。你在一个美丽的公园，或者是一个充满故事的老街道。只要用Poetry Camera拍下这一刻，它就能立刻给你一首关于这个场景的诗。 Poetry Camera的核心是一个Raspberry Pi Zero 2 W，这是一个小巧但功能强大的

Paper Note | Efficient DRL-Based Congestion Control With Ultra-Low Overhead

文章目录 IntroductionDesignRL AgentCC ExecutorHierarchical Recurrent Architecture Introduction 深度强化学习能够用于网络拥塞控制决策中，但是之前的DRL方案耗时且占用了很多CPU资源。这篇文章提出了一种低开销的DRL方案，实现细粒度的包级别控制。 SPINE采用了层次控制架构，包含一个轻量级

Paper Share_ NID-SLAM_ Robust Monocular SLAM using Normalised Information Distance

【写在前面】一直都有写博客的意愿，但是一直都没有实际行动。尝试了几次也都没有坚持下来。这次打算逼自己一下，坚持下去。这次决心坚持写博客也是出于记录平时自己日常所学的考虑。平时有时间或者需要会去看论文，但是一篇论文当时看的时候似乎是懂了，但是过几天就没什么印象了。感觉这样效果很不好。所以打算写博客记录自己所看的论文。其一是加深自己的理解，其二是记录分析的内容和过程，方便日后查看与

HackTheBox-Machines--Paper

文章目录 0x01 信息收集0x02 漏洞利用 CVE-2019–176710x03 CVE-2021-3560 权限提升 Paper 测试过程 0x01 信息收集 a.端口扫描: 发现 22、80、443 端口 nmap -sC -sV 10.129.206.164 2. 访问 80 / 443端口，页面一致检查页面，无可利

七月论文审稿GPT第4.5版：通过15K条paper-review数据微调Llama2 70B(含各种坑)

前言当我们3月下旬微调完Mixtral 8x7B之后(更多详见：七月论文大模型：含论文的审稿、阅读、写作、修订 )，下一个想微调的就是llama2 70B 因为之前积攒了不少微调代码和微调经验，所以3月底apple便通过5K的paper-review数据集成功微调llama2 70B，但过程中也费了不少劲考虑到最后的成功固然令人欣喜，但真正让一个人或一个团队快速涨经验的还是那些在训练过程中走

自定义数据微调CLIP (结合paper)

CLIP 是 Contrastive Language-Image Pre-training 的缩写，是一个擅长理解文本和图像之间关系的模型，下面是一个简单的介绍：优点： CLIP 在零样本学习方面特别强大，它可以（用自然语言）给出图像的描述，并在基于该描述对新图像进行分类方面表现良好，例如，您可以将图像描述为“a”。猫的黑白照片”，CLIP 可以准确地对猫的新照片进行分类，即使它以前没有见过

Paper 4问迅速理清框架

读paper的时候带这个思路去读 1.What is the research problem, and what is the significance of the research? 2.What is state-of-the-art research status of the research problem? 3.Describe the methodology of the pa

【nnUNetv2进阶】三、nnUNetv2 自定义网络-发paper必会

nnUNet是一个自适应的深度学习框架，专为医学图像分割任务设计。以下是关于nnUNet的详细解释和特点：自适应框架：nnUNet能够根据具体的医学图像分割任务自动调整模型结构、训练参数等，从而避免了繁琐的手工调参过程。自动化流程：nnUNet包含了从数据预处理到模型训练、验证及测试的全流程自动化工具，大大简化了使用深度学习进行医学图像分割的复杂度。自适应网络结构调整：根据输入数据集的特点

大年初七，发paper、学Python...分享一下你的学习计划吧~

今天是大年初七，今天是人日，上天造物顺序一鸡二狗三羊...七人！快快恢复元气，努力工作！欢迎参与今天的话题讨论：发paper、学Python...分享一下你的学习计划吧~ 欢迎留言，参与今天的话题讨论

paper.tld造成404错误

在Web.xml启用paper.tld，则会引起全网站404. HTTP Status 404 – Not FoundType Status ReportMessage Not foundDescription The origin server did not find a current representation for the target resource or is not

[paper note]LoRA+: 原理分析

论文信息论文标题：LoRA+: Efficient Low Rank Adaptation of Large Models 发表时间：2024年2月论文内容摘要在本文中，我们表明，最初在论文《LoRA: Low-Rank Adaptation of Large Language Models》中引入的低秩适应（LoRA）会导致大宽度（嵌入维度）模型的次优微调。这是因为 LoR

七月论文审稿GPT第4版：通过paper-review数据集微调Mixtral-8x7b，对GPT4胜率超过80%

模型训练 Mixtral-8x7b地址：魔搭社区 GitHub: hiyouga/LLaMA-Factory: Unify Efficient Fine-tuning of 100+ LLMs (github.com) 环境配置 git clone https://github.com/hiyouga/LLaMA-Factory.gitconda create -n llama_fa

Carr教授高效阅读论文方法-----笔记（How to read paper?

2先赋个学习链接： how to read paper??? 1.如何克服拖延并高效工作? 1.学习的位置和环境。 2.从现在开始（一直提醒自己 first 5 minssecond 将大工作分解成多个小任务，每天完成一章或者一节。 3.takes breaks(适当休息) 1. 休息频率：30-60分钟：因为你的时间过长或者过短你的注意力就会下降，效率就会降低。2. 持续时间：

七月论文审稿GPT第4版：通过paper-review数据集微调Mixtral-8x7b

模型训练 Mixtral-8x7b地址：魔搭社区 GitHub: hiyouga/LLaMA-Factory: Unify Efficient Fine-tuning of 100+ LLMs (github.com) 环境配置 git clone https://github.com/hiyouga/LLaMA-Factory.gitconda create -n llama_fa

Raki的读paper小记：通过教师-学生模型在目标语言上的无标注数据上学习来实现单源/多源跨语言NER任务 from ACL2020

Single-/Multi-Source Cross-Lingual NER via Teacher-Student Learning on Unlabeled Data in Target Language 不要问我为什么改成了中文名，因为标题名字太长了！！ Abstract & Introduction & Related Work 研究任务通过教师-学生模型在目标语言上的无标注数据上

Paper Digest｜基于在线聚类的自监督自蒸馏序列推荐模型

论文标题： Leave No One Behind: Online Self-Supervised Self-Distillation for Sequential Recommendation 作者姓名：韦绍玮、吴郑伟、李欣、吴沁桐、张志强、周俊、顾立宏、顾进杰组织单位：蚂蚁集团录用会议： WWW 2024 Research Track 本文作者：韦绍玮｜蚂蚁集团高级算法工程师。

paper-enjoy

一、我想知道的是什么嘞？（问问自己看的目的——>想得到什么看的时间限制——>材料文本的重要性而决定/本论文的价值看的节奏——>去读论文，重点points-key/get自己想要的看的收获到什么程度——>反思回顾，实践可用；做笔记之后不再回看重复——>目的是认知体系与思维训练收获到的是道不是术：研究什么问题，运用什么方法（思维过程），得到什么结果二、实践：实践最重要先明确读

Paper - Neural Discrete Representation Learning (VQ-VAE) 论文简读

欢迎关注我的CSDN：https://spike.blog.csdn.net/ 本文地址：https://spike.blog.csdn.net/article/details/133992971 问题1：训练完成之后，如何判断 VQ-VAE 的效果? 输入一张训练样本之外的图像，经过编码器，与EmbeddingTable计算最近邻的向量，再把向量输入解码器中，获得重构之后的图像，判断图像