- 综合排序
- 最热优先
- 最新优先
- 来自专栏深度学习自然语言处理
【学术会议】如何rebuttal学术论文?
当同行评议（Peer review）作为学术成果正式发布的必经之路已运行200余年[1]时，用正确的姿势进行review rebuttal便成为提高论文录用机率甚至扭转乾坤的最后一搏。 三部分来聊聊学术论文（主要针对人工智能领域会议和期刊）rebuttal的那些事。 || What is peer review？ “Peer review”趣图（原图来自网络） Peer review是一种学术成果审查程序，即作者的学术著作或proposal被同一领域的其他专家学者评审，并根据评审意见决定是否予以录用（Accept 对于计算机学科特别是人工智能领域的学术会议和期刊，其均有相对成熟和流程化的同行评议（即审稿）机制。 以CVPR 2019为例，针对5160篇有效投稿，全球共召集了132位AC和2887位审稿人[4]，一共提交了超过15000条审稿意见，做到了平均一篇文章至少3条，其中一篇文章甚至有7条审稿意见之多。
2.7K20发布于 2020-02-18 - 来自专栏天意云&天意科研云&天意生信云
DeepSeek+Grok3精准检索的学术指南
本文分享3个经过实测的高效提示词，显著提升引用准确率，并介绍Grok3 DeepSearch在外文文献检索中的独特优势，帮助研究者构建更可靠的AI学术写作工作流。 这不仅解决了AI容易引用过时或低影响力文献的问题，也让你的写作更具学术说服力。 此外，Grok3的数据库覆盖面更广，包含许多区域性学术期刊，这些期刊在其他检索工具中往往被忽略。 Grok3还具备跨引用追踪功能，能快速构建研究脉络图，帮助研究者理解不同语言文献间的相互影响。 在处理小语种学术资料时，这一功能尤为珍贵。 最佳实践建议 ✅️双模型协同策略 DeepSeek与Grok3结合使用效果最佳：前者擅长中文学术写作与内容生成，后者在多语言文献检索与引用验证上更胜一筹。 针对综合性学术任务，建议先用DeepSeek构建框架，再用Grok3验证关键外文引用，形成互补优势，显著提升研究效率与内容可信度。
3.5K10编辑于 2025-03-06 - 来自专栏全栈程序员必看
谷歌学术搜索文献_谷歌学术论文翻译
sheet.write(TotalNum, 1, paper.title) sheet.write(TotalNum, 2, paper.article_link) sheet.write(TotalNum, 3, soup.find_all(class_="gs_ri") for article in articles: paper =Article() try: title = article.find('h3'
1.1K20编辑于 2022-11-10 - 来自专栏深度学习自然语言处理
【学术分享】40个科研学术网站，收藏必备，予取予求！
://www.sci-hub.cn/、http://www.sci-hub.xyz/ 所以，提供以下几个新的变种网址： 1.http://sci-hub.se 2.http://sci-hub.is 3. 网址为： 1.http://gen.lib.rus.ec/ 2.http://libgen.io/ 3.http://libgen.org/ 4.http://libgen.io/scimag/ Library 需先行注册，注册很简单，只需按照要求填写，注册完成后能够试用3个月时间，如需继续使用得注册其他账号。然后点击上图中本地Pubmed检索系统进入查询页面。 2013年3月，海盗湾声称已经获得了朝鲜政府的虚拟庇护。 「台大学术期刊数据库」收录台大各学术研究单位出版之中外学术期刊论文篇目与全文，审查过程严谨、内容丰富详实、撰写格式一致，具相当程度之学术水平，为查询中国台湾一流学府之学术研究发展、辅助教学研究之最佳数据库
11.6K10发布于 2019-12-26 - 来自专栏小汪Waud
享受学术社交
很多跨学科的研究需要不同领域专家的合作，学术社交能帮助你找到合适的合作伙伴。 3 提高个人影响力 对于已有成果的学生和青年学者来说，通过展示自己的研究成果，可以提高在学术界的知名度。 3 积极建立联系 有感兴趣的同行（老师、学生）以后，争取留下联系方式，会议后，通过邮件等方式继续与结识的科学家保持联系，加深关系。 3 墙报促使更多交流 原本是没有做墙报（Poster）的打算，奈何Ken说不做墙报就要自己付会议费。虽然我做的东西目前还比较零散，但照猫画虎，最后也能做出一个还说得过去的墙报。 5块一根的大油条 如果非要说还有什么不足之处，首先长春距离武汉是有些远的，飞机友好（3h），高铁太不友好了（12h）。 3 在别人的报告中看到自己的工作让人兴奋 参加研究生报告时，发现李达师兄放了我们前段时间Annu. Rev. Phytopathol.（Annu. Rev.
39710编辑于 2024-08-26 - 来自专栏天意云&天意科研云&天意生信云
AI学术打假指南！3分钟就阻止了 ChatGPT 瞎编文献
为了帮大家避免踩坑，确保学术的严谨性，本文总结了一系列实用技巧，教你如何合理利用 ChatGPT ，高效获取真实可靠的学术文献。 建议改成“能被Google scholar 检索”“3年内发布”这类精准指令。 推荐指令： 请以xx领域专家身份，推荐xx篇近x年发表于xxx核心期刊且与xx主题高度相关的文献。 ✅ 引用量与学术评价 参考文献被引频次和领域评价，衡量论文影响力。 ✅ 文摘及关键词比对 判断论文内容是否真实且符合自身研究方向。 3、 直接访问期刊官网 若你关注某一细分领域，建议定期访问该领域权威期刊官网（如 Nature、Science、IEEE、Cell 系列等）： 第一时间获取最新研究成果，避免依赖第三方平台的时间延迟； ChatGPT 作为辅助检索工具，确实能够带来便捷和灵感，但它并非专门的学术搜索引擎。学术研究讲究严谨和真实，理性使用AI技术，结合权威数据库和科学检验流程，才是高效找到高质量文献的“王道”。
4.2K10编辑于 2025-05-08 - 来自专栏AiCharm
每日学术速递2.28
Subjects: cs.LG 3.T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in Disease Progression
26320编辑于 2023-05-15 - 来自专栏AiCharm
每日学术速递3.4
计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理 点击下方卡片，关注「AiCharm」公众号 Subjects: cs.CV 1.Representing 3D 在这项研究中，我们展示了轻量级神经网络如何学习表示 3D 点和线特征，并通过利用多个学习映射的力量来展示领先的姿势准确性。 通过在多个图层中集成自注意力和交叉注意力，我们的方法在使用两个简单的 MLP 回归 3D 地图之前有效地细化每个特征。 虽然最近的 3D 高斯溅射在小规模和以对象为中心的场景中效果很好，但由于视频内存有限、优化时间长和明显的外观变化，将其扩展到大型场景会带来挑战。 为了应对这些挑战，我们提出了 VastGaussian，这是第一个基于 3D 高斯分布在大型场景上进行高质量重建和实时渲染的方法。
31410编辑于 2024-03-04 - 来自专栏AiCharm
每日学术速递9.12
项目代码：https://travatar-paper.github.io/ 摘要： 在本文中，我们提出了一种新颖的框架，即无跟踪可重新发光化身（TRAvatar），用于捕获和重建高保真 3D Subjects: cs.BM 3.DrugChat: Towards Enabling ChatGPT-Like Capabilities on Drug Molecule Graphs 标题：DrugChat
34810编辑于 2023-09-19 - 来自专栏AiCharm
每日学术速递1.1
Bhusal, Danda Pani Paudel, François Rameau 文章链接：https://arxiv.org/abs/2312.15242 摘要： 随着基于 NeRF 的隐式 3D 3.PlatoNeRF: 3D Reconstruction in Plato's Cave via Single-View Two-Bounce Lidar 标题：PlatoNeRF：通过单视图二反射激光雷达对柏拉图洞穴进行 3D 重建 作者：Tzofi Klinghoffer, Xiaoyu Xiang, Siddharth Somasundaram, Yuchen Fan, Christian Richardt, Ramesh 神经辐射场 (NeRF) 虽然在视图合成和 3D 重建中很流行，但通常依赖于多视图图像。 使用 NeRF 进行单视图 3D 重建的现有方法依赖于遮挡区域幻觉视图之前的数据（这在物理上可能不准确），或者依赖于 RGB 相机观察到的阴影（在环境光和低反照率背景下很难检测到）。
28510编辑于 2024-01-04 - 来自专栏AiCharm
每日学术速递1.6
Subjects: cs.CV 1.Image Sculpting: Precise Object Editing with 3D Geometry Control 标题：图像雕刻：通过 3D 几何控制进行精确的对象编辑 图像雕刻将 2D 对象转换为 3D，从而能够与其 3D 几何体直接交互。后期编辑后，这些对象被重新渲染为 2D，合并到原始图像中，通过从粗到细的增强过程产生高保真结果。 2.Learning the 3D Fauna of the Web 标题：学习网络的 3D 动物群 作者：Zizhang Li, Dor Litvak, Ruining Li, Yunzhi Zhang / 摘要： 学习地球上所有动物的 3D 模型需要大规模扩展现有解决方案。 考虑到这一最终目标，我们开发了 3D-Fauna，这是一种联合学习 100 多种动物物种的泛类别可变形 3D 动物模型的方法。
25200编辑于 2024-01-14 - 来自专栏AiCharm
每日学术速递12.22
3.EdgeSAM: Prompt-In-the-Loop Distillation for On-Device Deployment of SAM 标题：EdgeSAM：SAM 设备上部署的快速循环提炼
22410编辑于 2023-12-28 - 来自专栏AiCharm
每日学术速递2.26
此外，我们利用高性能文本生成和图像生成模型（特别是 GPT-4V 和 DALLE-3）的功能来策划具有挑战性的语义反事实，从而进一步增强在 SugarCrepe 等基准上的组合推理能力，其中 CounterCurate 3.Semantically-aware Neural Radiance Fields for Visual Scene Understanding: A Comprehensive Review 标题 Bennamoun 文章链接：https://arxiv.org/abs/2402.11141 摘要： 这篇综述深入研究了语义感知神经辐射场 (NeRF) 在视觉场景理解中的作用，涵盖了 250 多篇学术论文的分析 它探讨了 NeRF 如何熟练地推断场景中静态和动态对象的 3D 表示。 此功能对于生成高质量的新视点、完成缺失的场景细节（修复）、进行全面的场景分割（全景分割）、预测 3D 边界框、编辑 3D 场景以及提取以对象为中心的 3D 模型至关重要。
33110编辑于 2024-02-26 - 来自专栏AiCharm
每日学术速递4.6
Subjects: cs.CV 1.PODIA-3D: Domain Adaptation of 3D Generative Model Across Large Domain Gap Using Pose-Preserved Text-to-Image Diffusion 标题：PODIA-3D：使用姿势保持文本到图像扩散的 3D 生成模型跨大域间隙的域自适应 作者：Gwanghyun Kim, Ji Ha Jang 3D 形状较差、文本-图像对应度低和域内多样性低。 为了解决这些问题，我们提出了一种名为 PODIA-3D 的新型管道，它使用基于姿势保留的文本到图像扩散的域适应 3D 生成模型。 因此，我们的方法成功地适应了显着域差距的 3D 生成器。
38310编辑于 2023-05-15 - 来自专栏AiCharm
每日学术速递7.30
项目页面：此 https URL 2.NeRF-Det: Learning Geometry-Aware Volumetric Representation for Multi-View 3D Object 与现有的难以对场景几何进行建模的室内 3D 检测方法不同，我们的方法以端到端的方式新颖地使用 NeRF 来显式估计 3D 几何，从而提高 3D 检测性能。 此外，我们通过共享 MLP 巧妙地将检测和 NeRF 分支连接起来，从而使 NeRF 能够有效地适应检测并生成用于 3D 检测的几何感知体积表示。 推荐阅读 每日学术速递7.29 2023-07-29 这次来真的？ 室温常压超导全球复现一文速览 2023-07-28 每日学术速递7.28 2023-07-28 每日学术速递7.27 2023-07-27 树莓派上运行 Stable Diffusion，260MB
31920编辑于 2023-09-06 - 来自专栏AiCharm
每日学术速递9.23
Joo-Haeng Lee, Sunghyun Cho 文章链接：https://arxiv.org/abs/2309.10279 项目代码：http://cg.postech.ac.kr/research/POP3D / 摘要： 我们介绍 POP3D，这是一种新颖的框架，可以从单个图像创建完整的 360∘ 视图 3D 模型。 POP3D解决了限制单视图重建的两个突出问题。首先，POP3D 为任意类别提供了实质性的通用性，这是以前的方法难以实现的特征。 其次，POP3D进一步提高了重建保真度和自然度，这是并行作品所缺乏的一个关键方面。 这些组件的组合使 POP3D 能够轻松地泛化各种野外图像并生成最先进的重建，其性能显着优于类似的作品。
32820编辑于 2023-09-27 - 来自专栏AiCharm
每日学术速递6.24
2.EPIC Fields: Marrying 3D Geometry and Video Understanding 标题：史诗领域：结合 3D 几何和视频理解 作者：Vadim Tschernezki https://arxiv.org/abs/2306.08731 项目代码：https://epic-kitchens.github.io/epic-fields/ 摘要： 神经渲染正在推动学习、3D 为了弥补这一差距，我们引入了 EPIC Fields，它是 EPIC-KITCHENS 的增强版，具有 3D 相机信息。 3.MotionGPT: Finetuned LLMs are General-Purpose Motion Generators 标题：MotionGPT：微调 LLM 是通用运动发生器 作者：Jiazheng 推荐阅读 每日学术速递6.23 2023-06-23 多角度、真实用户标注，人大&华为推出可解释推荐数据集REASONER 2023-06-21 每日学术速递6.21 2023-06-21 CVPR
41620编辑于 2023-07-26 - 来自专栏AiCharm
每日学术速递9.24
3.PGDiff: Guiding Diffusion Models for Versatile Face Restoration via Partial Guidance标题：PGDiff：通过部分引导实现多功能面部修复的引导扩散模型作者
27720编辑于 2023-09-27 - 来自专栏arXiv每日学术速递
机器学习学术速递
为了解决这个问题，我们提出了一个新的多阶段计算框架——针，它包含三个基本要素：（1）弱标记完成；（2）噪声感知损失函数；（3）强标记数据的最终微调。 特别是，我们在3个生物医学NER数据集上获得了新的SOTA F1分数：BC5CDR化学93.74，BC5CDR疾病90.69，NCBI疾病92.28。 我们的实验证明，与最先进的算法相比，估计精度有了实质性的提高（高达3倍）。 在本文中，我们提出了一种新的作文反事实对比学习方法（C^3$），来发展基于视频的对话中事实和反事实样本之间的对比训练。 我们将这些优化统称为Circa，并展示了与基线实现相比，最多4.7倍存储和3倍运行时的改进；我们进一步表明，Circa可以用于最近的PI优化之上，以获得1.8倍的额外加速比。
2K20发布于 2021-07-02 - 来自专栏AiCharm
每日学术速递8.29
1.EgoHumans: An Egocentric 3D Multi-Human Benchmark(ICCV 2023 oral) 标题：EgoHumans：以自我为中心的 3D 多人基准 作者 我们提出了一种新颖的 3D 捕获设置，用于在野外构建全面的以自我为中心的多人基准，并带有注释以支持多种任务，例如人体检测、跟踪、2D/3D 姿态估计和网格恢复。 此外，我们的多视图设置即使在严重或完全遮挡的情况下也能生成准确的 3D 地面实况。 3.Sin3DM: Learning a Diffusion Model from a Single 3D Textured Shape 标题：Sin3DM：从单个 3D 纹理形状学习扩散模型 作者： 在本文中，我们提出了 Sin3DM，这是一种扩散模型，可以从单个 3D 纹理形状学习内部补丁分布，并生成具有精细几何形状和纹理细节的高质量变化。直接在 3D 中训练扩散模型会产生大量的内存和计算成本。
42620编辑于 2023-09-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号