- 综合排序
- 最热优先
- 最新优先
- 来自专栏点云PCL
论文共读之点云匹配
论文：The Perfect Match: 3D Point Cloud Matching with Smoothed Densities 作者：Zan Gojcic Caifa Zhou Jan 有意者均可联系邮箱：dianyunpcl@163.com，或者评论文章留言， 目前微信交流群不断壮大，由于人数太多，目前有两个群，为了鼓励大家分享，我们希望大家能在学习的同时积极分享，将您的问题或者小总结投稿发到群主邮箱主邮箱
2.2K30发布于 2019-08-19 - 来自专栏橙光笔记
源码共读-Redux
Redux是优秀的状态管理库，本节我们学习一下Redux源码，由于Redux源码是TypeScript写的，为了方便学习，本节去掉一些类型定义，转化为JavaScript来展示，另外对于错误信息我们这里就先不处理了。
60110编辑于 2024-07-11 - 来自专栏橙光笔记
源码共读-Koa
Koa是基于 Node.js 平台的下一代 web 开发框架，它的源码可以看这里，本章通过源码来简绍一下Koa是怎么实现的。
42410编辑于 2024-07-11 - 来自专栏图与推荐
5篇值得读的GNN论文
论文推荐｜ 本期为大家推荐5篇论文，论文主题涉及到当前研究最新动向，如异质图上的新基准，能够平衡不类别节点数量的最新GNN模型，GNN同MLP模型的对比，解决图表示学习关于异构性、归纳性和效率问题的方法 总之，这篇论文的主要贡献有以下几点： （1）找到几个GA-MLP无法区分而GNN可以区分的图对，还证明存在区分几乎所有非同构图的简单GA-MLP。 图5 图5是WIDEN中消息打包的例子。顶层和底层部分与宽且深的邻居集合相关。 ? ? 表5 表5分别展示了转导节点分类和归纳节点分类实验上WIDEN模型和其他SOTA模型的结果。
1.4K50发布于 2021-04-22 - 来自专栏顶级程序员
源码共读项目说明
项目的阅读 您可以从 https://ymgd.github.io/codereader/ 看到我们最新发布的文章。 可以从 https://ymgd.github.io/codereader/ca
851110发布于 2018-04-26 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.6.29）！共5篇！
整理：AI算法与图像处理 CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo 大家好, 最近正在优化每周分享的 CVPR论文, 目前考虑按照不同类别去分类,方便不同方向的小伙伴挑选自己感兴趣的论文哈 欢迎大家留言其他想法, 合适的话会采纳哈! CVPR 2022 | Deblur-NeRF 运动模糊输入也能恢复清晰结果 最新论文整理： Updated on : 29 Jun 2022 total number : 5 The Third Place Solution for CVPR2022 AVA Accessibility Vision and Autonomy Challenge 论文/Paper: http://arxiv.org 代码/Code: None Increasing Confidence in Adversarial Robustness Evaluations 论文/Paper: http://arxiv.org
33420编辑于 2022-09-02 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.6.23）！共5篇！
整理：AI算法与图像处理 CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo 大家好, 最近正在优化每周分享的 CVPR论文, 目前考虑按照不同类别去分类,方便不同方向的小伙伴挑选自己感兴趣的论文哈 欢迎大家留言其他想法, 合适的话会采纳哈! Updated on : 23 Jun 2022 total number : 5 UniUD-FBK-UB-UniBZ Submission to the EPIC-Kitchens-100 Multi-Instance Retrieval Challenge 2022 论文/Paper: http://arxiv.org/pdf/2206.10903 代码/Code: None Symmetric Network with Spatial Relationship Modeling for Natural Language-based Vehicle Retrieval 论文/Paper: http://arxiv.org
29630编辑于 2022-09-02 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.5.6）！共5篇！
整理：AI算法与图像处理 CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo Updated on : 6 May 2022 total number : 5 Neural 3D Scene Reconstruction with the Manhattan-world Assumption 论文/Paper manhattan_sdf Fixing Malfunctional Objects With Learned Physical Simulation and Functional Prediction 论文 arxiv.org/pdf/2205.02834 代码/Code: None Cross-view Transformers for real-time Map-view Semantic Segmentation 论文 代码/Code: None P3IV: Probabilistic Procedure Planning from Instructional Videos with Weak Supervision 论文
27720编辑于 2022-05-19 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.5.26）！共5篇！
整理：AI算法与图像处理 CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo 大家好, 最近正在优化每周分享的 CVPR论文, 目前考虑按照不同类别去分类,方便不同方向的小伙伴挑选自己感兴趣的论文哈 欢迎大家留言其他想法, 合适的话会采纳哈! Updated on : 26 May 2022 total number : 5 A Low Memory Footprint Quantized Neural Network for Depth Completion of Very Sparse Time-of-Flight Depth Maps 论文/Paper: http://arxiv.org/pdf/2205.12918 代码/Code : None Context-Aware Video Reconstruction for Rolling Shutter Cameras 论文/Paper: http://arxiv.org/pdf/
20120编辑于 2022-07-06 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.5.27）！共5篇！
整理：AI算法与图像处理 CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo 大家好, 最近正在优化每周分享的 CVPR论文, 目前考虑按照不同类别去分类,方便不同方向的小伙伴挑选自己感兴趣的论文哈 欢迎大家留言其他想法, 合适的话会采纳哈! Updated on : 27 May 2022 total number : 5 SemAffiNet: Semantic-Affine Transformation for Point Cloud Segmentation 论文/Paper: http://arxiv.org/pdf/2205.13490 代码/Code: https://github.com/wangzy22/SemAffiNet /pdf/2205.13384 代码/Code: None Cross-Architecture Self-supervised Video Representation Learning 论文/Paper
37950编辑于 2022-07-06 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.6.24）！共5篇！
整理：AI算法与图像处理 CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo 大家好, 最近正在优化每周分享的 CVPR论文, 目前考虑按照不同类别去分类,方便不同方向的小伙伴挑选自己感兴趣的论文哈 欢迎大家留言其他想法, 合适的话会采纳哈! Updated on : 24 Jun 2022 total number : 5 NTIRE 2022 Challenge on Perceptual Image Quality Assessment 论文/Paper: http://arxiv.org/pdf/2206.11695 代码/Code: None BlazePose GHUM Holistic: Real-time 3D Human for RxR-Habitat Vision-and-Language Navigation Competition (CVPR 2022) 论文/Paper: http://arxiv.org/pdf
33320编辑于 2022-09-02 - 来自专栏人工智能前沿讲习
本周精选共读论文《计算机视觉图像分割》六篇
关注文章公众号 回复"SFFAI23论文"获取本主题精选论文 ? 推荐理由来自：李祥泰 5 ?
60231发布于 2020-05-11 - 来自专栏后端/图像融合/机器学习/爬虫
【读论文】GANMcC
论文：https://ieeexplore.ieee.org/document/9274337 如有侵权请联系博主 这几天又读了一篇关于GAN实现红外融合的论文，不出意外，还是FusionGAN作者团队的人写出的论文 ，相比之前的GAN实现红外图像融合的论文，这篇论文又提出了新的一些解决思路。 简单介绍 读过了几篇图像融合的论文，对这个领域稍微入门了一些，见到了各种各样的方法，不得不说，大佬们真的强。 今天要说的这篇论文是基于GAN来实现的，这篇论文提供给我的最重要的一个点就是在保存纹理细节和对比度上的处理。 之前我们读过的大部分论文在这方面的处理都只是保留可视图像的纹理信息和红外图像的对比度，但正如这篇论文的作者所说的那样，可视图像的对比度和红外图像的纹理信息同样也值得我们注意。
32910编辑于 2024-06-19 - 来自专栏后端/图像融合/机器学习/爬虫
【读论文】AttentionFGAN
论文： https://ieeexplore.ieee.org/document/9103116/ 如有侵权请联系博主 介绍 好久没有读过使用GAN来实现图像融合的论文了，正好看到一篇2021 年的论文，很感兴趣。 论文中介绍了一种基于多尺度和SE注意力用于可视图像与红外图像融合的方法，网络架构基于GAN，有点类似DDcGAN的结构，也是有两个辨别器。接下来咱们一起来看看吧。 因为毕竟是2021年的论文，没有考虑到可视图像中的显著目标信息，和我们现在经常看到的损失不是很一致。
30510编辑于 2024-06-19 - 来自专栏笃信好学
如何读论文？
今天就不学习单片机了，找找b站上面如何读论文的视频，看了两个，感觉不咋合适我。还是再看下Dr Can的期刊审稿人手把手教你写一篇SCI论文，做下笔记。 我读论文的目的就是多看点东西，多了解一点知识，不是为了发表。所以笔记就按照我的目的来了。图片看了两期，觉得不对啊，大佬讲的是如何写，不是如何读。 感觉找到一篇好论文，引用多的，作者牛的，时间新点的把引言，研究方法，结果讨论，结论能复述出来，然后自己问自己几个问题，也就真的是读好一篇论文了
44030编辑于 2022-09-15 - 来自专栏后端/图像融合/机器学习/爬虫
【读论文】MUFusion
论文： https://www.sciencedirect.com/science/article/abs/pii/S1566253522002202 如有侵权请联系博主 介绍 这次介绍的还是发表在 imformation fusion的一篇论文，文中介绍的方法是一种可以用于多模态图像融合的统用融合算法。
31810编辑于 2024-06-19 - 来自专栏后端/图像融合/机器学习/爬虫
【读论文】PSFusion
论文： https://www.sciencedirect.com/science/article/pii/S1566253523001860 如有侵权请联系博主 更多红外与可见光图像融合的论文的具体的解读欢迎大家来到红外与可见光图像融合专栏 介绍 好久没看过论文，今天刚好有空，又找了一篇information fusion的论文，咱们一起看看吧。 这篇论文和我们之前见到的论文不大一样，至于有啥不一样，咱们来看看吧。 然后看一下这个网络架构，如果看文章参考的论文来说的话，其实二者存在一定的不一致，参考的网络如下图 可以看到的是，这篇论文中最深层的特征用于预测语义分割掩码，次深层特征用于提取二进制分割掩码，最后浅层特征用于预测边界分割结果 **至于是怎么消除差异的，这里我就不献丑了，大家可以看看原论文。 图像还原部分就比较简单了，一方面使用下面这个路径来确保两类源图像中的信息得以充分提取。 另一方面就是下面这个路径来生成我们需要的融合图像了 总结 损失函数这里就不说了，原论文介绍的很清晰，整个文章读下来，最惊艳的就是网络结构，很巧妙的将分割所需要的语义信息注入到融合图像中，同时也为图像融合正名
54210编辑于 2024-06-19 - 来自专栏后端/图像融合/机器学习/爬虫
【读论文】THFuse
论文： https://www.sciencedirect.com/science/article/abs/pii/S0925231223000437 如有侵权请联系博主 介绍 一篇基于CNN 和VIT的关于红外可视图像融合的论文，论文中提出了两分支的CNN提取模块的方法以及常规VIT和跨通道的VIT相结合的方法来提取特征，接下来一起来看看吧。 损失函数 论文中使用的损失函数可以分为两部分，第一部分就是像素级的损失，另一方面就是特征级别的损失，总体损失函数如下图所示。 特征损失函数如下 总结 整篇文章读下来很顺畅，有以下几个点我觉得很惊艳 采用了两个分支的CNN，用于提取结构信息和细节信息 首先就是用于通道级transformer 采用vgg19来重新获取融合图像和原图像特征来进行比对
27210编辑于 2024-06-19 - 来自专栏后端/图像融合/机器学习/爬虫
【读论文】DDcGAN
）和融合图像，这个过程中不需要自己设计特定的融合机制，同时也不需要ground truth图像；论文中提出的方法还可以应用到医学图像融合问题。 因为红外图像的分辨率往往不如可视图像，因此论文中提到的方法可以融合不同分辨率的红外以及可视图像。 贡献 论文中提出的方法可以使多模态的图像融合的更好，而不是仅仅与一种源图像有着很高的相似性。 解码器在论文中没有介绍，但是看图的话也可以大致了解，五层cnn，每个层的卷积核都是3x3，最终的输出就是融合图像。 在生成器的网络结构上来说，FusionGAN只是进行了5层卷积，而DDcGAN的网络结构则是采用编码解码器结构，其中编码器采用DenseNet的结构。 以下是论文中给出的图像融合的效果，可见DDcGAN的融合效果有很大的提升。
38610编辑于 2024-06-19 - 来自专栏后端/图像融合/机器学习/爬虫
【读论文】TCPMFNet
论文：https://www.sciencedirect.com/science/article/pii/S1350449522003863 如有侵权请联系博主 简单介绍 今天要介绍的是TCPMFNet ，这篇论文中提出的红外图像融合方法结合了vision transformer，这也是我第一次接触到这个知识，接下来，我们一起看看这篇论文吧。 稍后我们就会与论文内容相结合一起说说这个点。 那么多头又是什么意思呢？ 这个的答案就是为什么要使用多头注意力 先看下transformer原论文中多头注意力的公式 可以很清晰的看到QKV都是乘了一个W，这个W是可以学习的，也就可以应对不同的工作。 讲了这么多接下来我们就可以开始看论文的内容了。
27710编辑于 2024-06-19
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