首页
Python
Java
前端
数据库
Linux
Chatgpt专题
开发者工具箱
revitalizing专题
【论文精读】分类扩散模型:重振密度比估计(Revitalizing Density Ratio Estimation)
文章目录 一、文章概览(一)问题的提出(二)文章工作 二、理论背景(一)密度比估计DRE(二)去噪扩散模型 三、方法(一)推导分类和去噪之间的关系(二)组合训练方法(三)一步精确的似然计算 四、实验(一)使用两种损失对于实现最佳分类器的重要性(二)去噪结果、图像质量和负对数似然 论文:Classification Diffusion Models: Revitalizing
阅读更多...
Diff-Plugin: Revitalizing Details for Diffusion-based Low-level Tasks
Diff-Plugin: Revitalizing Details for Diffusion-based Low-level Tasks (Paper reading) Yuhao Liu, City University of Hong Kong, CVPR2024, Papar, Code 1. 前言 我们提出了一种新的 Diff-Pluggin 框架,使单个预训练的扩散模型能够在
阅读更多...
Revitalizing CNN Attentions via Transformers in Self-Supervised Visual Representation Learning
利用 Transfomer 来提升 CNN 注意力的自监督表征学习 NeurIPS 2021 论文:https://arxiv.org/pdf/2110.05340v1.pdf code:https://github.com/chongjiange/care 摘要 对自监督视觉表示学习(SSL)的研究改进了编码器主干来区分没有标签的训练样本。虽然通过SSL的CNN编码器实现了与通过监督学
阅读更多...