脂环

摘要： 参考https://github.com/lucidrains/big-sleep/issues/48，将torch从1.8.0更新至1.8.1后问题得以解决。 阅读全文

摘要： 参考https://blog.csdn.net/weixin_44633882/article/details/108614914，将命令改为：`sudo ./cuda_10.2.89_440.33.01_linux.run --librarypath=/usr/local/cuda-10.2` 即 阅读全文

摘要： ## 摘要 连续学习过程中的稳定性-可塑性权衡是一个重要的问题。作者提出了Auxiliary Network Continual Learning (ANCL)，通过auxiliary network提高了模型的可塑性。 ## 方法 ### The Formulation of Auxiliary 阅读全文

摘要： ## 摘要 目前已有的连续语义分割方法通常基于卷积神经网络，需要添加额外的卷积层来分辨新类别，且在蒸馏特征时没有对属于旧类别/新类别的区域加以区分。为此，作者提出了基于Transformer的网络incrementer，在学习新类别时只需要往decoder中加入对应的token。同时，作者还提出了对 阅读全文

摘要： ** ## 摘要 本文提出了一个用于开放词汇语义分割的新框架SAN，将语义分割任务建模为区域识别问题，提取mask proposals并使用CLIP对mask进行识别。SAN可以重新利用CLIP的特征，因此其本身可以非常轻量；同时网络可以端到端地进行训练，从而使SAN适应冻结的CLIP模型。本文方法 阅读全文

摘要： 1. https://developer.nvidia.com/cuda-toolkit-archive lsb_release查看ubuntu版本，选择对应版本后通过runfile安装： ``` wget https://developer.download.nvidia.com/compute/ 阅读全文

摘要： ## 摘要 作者提出了一种新的基于Transformer的目标检测模型DETR，将检测视为集合预测问题，无需进行nms以及anchor generation等操作。同时，对模型进行简单的修改就可以应用到全景分割任务中。 ## 方法 ### Object detection set predictio 阅读全文

摘要： 这篇文章的arxiv版看着太折磨了，可以直接看openreview上作者修改后的版本https://openreview.net/forum?id=zWudXc9343以及rebuttal帮助理解。 ## 摘要 本文提出了一个新任务：开放词汇全景分割，同时作者给出了基于ViT CLIP骨干的base 阅读全文

摘要： ## 摘要 作者提出了CLIP-S4，借助自监督像素表示学习和V-L模型实现各种语义分割任务，不需要使用任何像素级别标注以及未知类的信息。作者首先通过对图像的不同增强视角进行像素-分割对比学习来学习像素嵌入。之后，为进一步改善像素嵌入并实现基于自然语言的语义分割，作者设计了由V-L模型指导的嵌入一致 阅读全文

摘要： 直接往tex文件中写入bibitem格式的参考文献难以满足按顺序引用文献的要求，参考https://zhuanlan.zhihu.com/p/468694034，可以使用GitHub的这个项目：https://github.com/LaTeX-Bibitem-Styler/latex-bibitem 阅读全文