preserving专题

Similarity-Preserving Knowledge Distillation

Motivation 下图可以发现，语义相似的输入会产生相似的激活。这个非常好理解，这个C维的特征向量可以代表该输入的信息因此本文根据该观察提出了一个新的蒸馏loss，即一对输入送到teacher中产生的特征向量很相似，那么送到student中产生的特征向量也应该很相似，反义不相似的话同样在student也应该不相似。该loss被称为Similarity-preserving，这样stu

POSEIDON: Privacy-Preserving Federated NeuralNetwork Learning

写在最前面，感觉这一篇的技术更贴近于密码学，所以部分核心技术读起来比较吃力。仅供大家参考哇~ Abstract—In this paper, we address the problem of privacypreserving training and evaluation of neural networks in an N-party, federated learning setting

全量知识系统程序详细设计定稿之 “祖传代码”：Preserving(QA百度文库）

Q1.今天继续聊全量知识系统程序详细设计定稿- “祖传代码”。“祖传代码”表示全知系统的全部“可能的世界”：“Preserving”的一个 Python Class 母版。采用MVC软件架构，设计了视图V、模型M和控制C 的表示法：HTML+JSP业务页面（命名空间人机交互界面“准线”），https +Json 数据斑面（天花板-实验室 “法线”），restful+SAOP 技术版面（

全量知识系统程序详细设计定稿之 “祖传代码”:Preserving类+符号学（QA百度搜索）

Q1. 今天继续聊全量知识系统程序详细设计定稿- “祖传代码”。“祖传代码”表示全知系统的全部“可能的世界”：“Preserving”的一个 Python Class 母版。采用MVC软件架构，设计了视图V、模型M和控制C 的表示法：HTML+JSP业务页面（命名空间人机交互界面“准线”），https +Json 数据斑面（天花板-实验室 “法线”），restful+SAOP 技术

全量知识系统详细设计之preserving (百度搜索QA)

今天在查资料时，百度跳出这个对话框，试了一下，感觉使用起来更方便，更重要的是，一次能将整份文档上传。所以就preserving的设计，又问了一遍。原文链接： https://blog.csdn.net/ChuanfangChen/article/details/137246154 Q1.python 数据对象 none对象在Python中，None是一个特殊的单例对象，用于表示空值或没有值

InstantID Zero-shot Identity-Preserving Generation in Seconds

InstantID: Zero-shot Identity-Preserving Generation in Seconds TL; DR：InstantID = IP-Adapter + (Face) ControlNet，实现了具有较高保真度的人脸 ID 生成。方法 InstantID 想做到的事情是：给定一张参考人脸 ID 图片，生成该 ID 的多种姿势，多种风格的图片，并保证和参考

【论文阅读笔记】InstantID : Zero-shot Identity-Preserving Generation in Seconds

InstantID:秒级零样本身份保持生成理解摘要Introduction贡献 Related WorkText-to-image Diffusion ModelsSubject-driven Image GenerationID Preserving Image Generation Method实验定性实验消融实验与先前方法的对比富有创意的更多任务新视角合成身份插值多身份区域控制合成

InstantID: Zero-shot Identity-Preserving Generation in Seconds

文章目录 IntroductionMainReference 记录由国内首创的一个好玩的小项目，图像生成领域的新进展。但我希望现阶段计算机视觉领域的研究能更聚焦在语义分割和三维视觉上，这样能更方便与机器人等产品和工业实体结合。 Introduction InstantID 是一个基于扩散模型的图像生成解决方案，能实现从单一参考图像到多样化风格化写真的快速生成。用户

【图像拼接】论文精读：Superpixel-based foreground-preserving image stitching

第一次来请先看这篇文章：【图像拼接（Image Stitching）】关于【图像拼接论文精读】专栏的相关说明，包含专栏使用说明、创新思路分享等（不定期更新）图像拼接系列相关论文精读 Seam Carving for Content-Aware Image ResizingAs-Rigid-As-Possible Shape ManipulationAdaptive As-Natural-As

【论文阅读】clDice - a Novel Topology-Preserving Loss Function for Tubular Structure Segmentation

【论文阅读】clDice - a Novel Topology-Preserving Loss Function for Tubular Structure Segmentation 2022年2月18日（本文仅作为本人学习中的记录，如有错误欢迎批评指正。）文章目录【论文阅读】clDice - a Novel Topology-Preserving Loss Function fo

文献阅读 - Edge-Preserving Decompositions for Multi-Scale Tone and Detail Manipulation (ACM TOG 2008)

Edge-Preserving Decompositions for Multi-Scale Tone and Detail Manipulation Z. Farbman, R. Fattal, D. Lischinski, R Szeliski, Edge-Preserving Decompositions for Multi-Scale Tone and Detail Manipula

[阅读笔记] 2019 ICRA - Coordinated multi-robot planning while preserving individual privacy

🛣[阅读笔记] 2019 ICRA - Coordinated multi-robot planning while preserving individual privacy 本文介绍了一种隐私保护的协作多机器人路径规划方法，使用了安全计算几何、混淆电路、同态加密等密码学技术，实现了在不共享🙅🏻‍♀️机器人🤖规划路径的前提下的路径碰撞检测方法。算法具体细节介绍见我的下一篇笔记：

Achieving Privacy-Preserving Discrete Fréchet Distance Range Queries，发表于IEEE TDSC，2022

最近在读的一篇文章，读起来比较费劲，但是还好，技术方法不难理解这篇文章旨在一个轨迹集合中查找与给定轨迹的距离不超过某一阈值的轨迹。在接下来的分析中，我们令其是一个二维平面，即k=2，轨迹集合中有，N个轨迹，每个轨迹有个点，每个点的坐标为一、先对每条轨迹进行加密：对轨迹的加密先是对ID加密，再对对其上的每个点的坐标加密，对坐标写成向量的形式，先转换（4.2章）如下：再加

FedGNN: Federated Graph Neural Network for Privacy-Preserving Recommendation

FedGNN：用于隐私保护推荐的联邦图神经网络参考笔记 ICML-21-workshop 本文的主要创新工作在具有局部差分隐私的模型训练中保护模型梯度，并提出一种伪交互项目采样技术来保护用户与之交互的项目。提出了一种保护隐私的用户-项目图扩展方法，以利用分散的用户数据中的高阶用户-项目交互。本文所采用的的四种隐私保护措施采用伪交互项目抽样：通过抽样用户未与之交互的项目，并使用与真

CREDO:Efficient and Privacy-preserving Multi-level Medical Pre-Diagnosis Based on ML-KNN读书笔记（二）

建议先看CREDO:Efficient and Privacy-preserving Multi-level Medical Pre-Diagnosis Based on ML-KNN读书笔记（一）https://blog.csdn.net/qq_42145187/article/details/106999076 Zhu D, Zhu H, Liu X, et al. CREDO: Effic

Identity-Preserving Talking Face Generation with Landmark and Appearance Priors

主要问题：1）模型如何生成具有与输入音频一致的面部运动（特别是嘴部和下颌运动）的视频？2)模型如何在保留身份信息的同时生成视觉上逼真的帧？摘要：从音频生成说话脸部视频引起了广泛的研究兴趣。一些特定个人的方法可以生成生动的视频，但需要使用目标说话者的视频进行训练或微调。现有的通用方法在生成逼真和与嘴唇同步的视频同时保留身份信息方面存在困难。为了解决这个问题，我们提出了一个两阶段的框架，包括从音频

论文笔记：Privacy-Preserving Deep Learning via Additively Homomorphic Encryption

论文笔记：Privacy-Preserving Deep Learning via Additively Homomorphic Encryption 论文介绍问题背景贡献使用技术概述时间开销安全性和准确性思考技术概述原始异步SGDSSL/TLS 协议神经网络推理例子随机梯度下降（SGD）异步SGD 神经网络推理泄露信息图b：不加噪声的图像成比例还原图c：加入正则项的还原图d：加入拉普拉斯

ZONEOUT: REGULARIZING RNNS BY RANDOMLY PRESERVING HIDDEN ACTIVATIONS翻译

实验代码github:https://github.com/teganmaharaj/zoneout 摘要我们提出了zoneout，这是一种用于正则化RNN的新方法。在每个时刻，zoneout随机地令某些隐藏单元保持其上一时刻的值。像dropout一样，zoneout使用随机噪声来训练伪集合，从而改善泛化。并且，通过保留而不是丢弃隐藏单元，梯度信息和状态信息更容易通过时间传播，如在前馈随机

保留格式的加密方法（Methods for Format-Preserving Encryption）

1. FPE (Format-preserving encryption)简介 FPE (Format-preserving encryption)是一种保留格式的数据加密方法，区别与传统加密方法，该加密方法的加密结果保留原数据格式，例如，美国的社保号（Society Security Number，SSN）由九位数字组成，经过加密结果还是九尾数字，保留原有格式，但数据已不是原有

label-preserving transformations

label-preserving transformations,这是一种减少过拟合的方式。也就是在不影响图像标签的前提下，对图片进行变换，以达到数据增强的目的。通过这种方式增大我们的数据集，来减少过拟合。两种数据增强方式： 1第一种数据增强方式包括产生图像变换和水平翻转。从256×256图像上通过随机提取224 × 224的图像块实现了这种方式，然后在这些提取的图像块上进行训练。

[论文阅读]Color2Gray ：Salience-Preserving Color Removal

《计算机图形与图像处理》课程阅读论文——Color2Gray ：Salience-Preserving Color Removal Amy A. Gooch, Sven C. Olsen, Jack Tumblin, and Bruce Gooch. 2005. Color2Gray: salience-preserving color removal. In ACM SIGGRAPH 200