选自arXiv 作者:Shangzhe Wu等 机器之心编译 编辑:陈、杜伟 在 CVPR 2020 最佳论文中,牛津大学 VGG 团队的博士生吴尚哲(Shangzhe Wu)等人提出了一种基于原始单目图像学习 3D 可变形对象类别的方法,且无需外部监督。近日,该团队又提出了通过单目视频的时间对应关系来学习可变形 3D 对象,并且可用于野外环境。 从 2D 图像中学习 3D 可变形对象是一个极其困难的问题,传统方法依赖于显式监督,如关键点和模板。但是,当这些对象不在实验室等可控环境中时,传统方法会限制它们
主要思想:用于从RGB-D图像中估计一组已知对象的6D位姿,分别处理两个数据源,并使用一种新的dense fusion network来提取像素级的 dense feature embedding,并从中估计姿态。实验结果表明,该方法在YCB-Video和Linemod两种数据集上均优于现有的方法。论文还将所提出的方法应用到一个真实的机器人上,根据所估计的姿态来抓取和操纵物体。
Cover Letter是写给期刊编辑、用于描述投稿论文的创新与工作内容,明确地告知编辑稿件的研究内容与期刊刊物领域契合度,并作一些额外的陈述和声明(比如,不存在一稿多投的声明,投稿的期刊存在预印本的声明,推荐的审稿人等)。大部分期刊投稿的时候都会要求独立提交一份Cover Letter,或者是在投稿流程中有一个写给编辑的文本框,把Cover Letter的内容直接粘进去。
CNN 取得的大多数进展并非源自更强大的硬件、更多的数据集和更大的模型,而主要是由新的想法和算法以及优化的网络结构共同带来的结果。
作者丨过敏意 整理、编辑丨维克多、青暮 2021年12月16日下午,上海交通大学讲席教授,欧洲科学院外籍院士,IEEE Fellow,CCF Fellow,国家杰出青年科学基金获得者过敏意教授应CCF 出版工作委员会邀请,在中国计算机大会(CNCC)上作了题为“从IEEE汇刊主编视角看如何提升科技论文质量”的学术报告。 在报告中,过敏意从一个成长期的国际期刊负责人的视角,讨论如何选择有吸引力的题目、如何切合期刊的主题、如何撰写高质量论文等话题。此外,他还给了广大研究者一些小tips,例如提到:期刊主编的就任
这个问题不是特别好准确回答,因为CV算法是一个非常大研究领域,包括目标检测,图像分割,图像生成,3D目标检测,三维图像重建,图像去雾,图像超分辨率等非常多的方向。你会这么问,我的感觉是你对其中哪个方向研究都不会很深,因为你是硕士研究生,我认为你一定要以毕业为主,因为这两年由于升学硕士和博士的人数在增加,毕业要求现在有所上升,然后我的建议是一定要和导师沟通,因为导师在你毕业流程中起了至关重要的作用,所以还是要跟导师保持紧密联系,由导师帮你确定详细方案。
论文名称:Dialog-to-Action: ConversationalQuestion Answering Over a Large-Scale Knowledge Base
KaraTuner: Towards end to end natural pitch correction for singing voice in karaoke
【导读】今天给大家介绍一篇ECCV 2020被评为Oral的论文,它也是目前单阶段实例分割方面的又一佳作,它就是由沈春华大佬团队出品的--CondInst,通过引入条件卷积到实例分割中去,实现了精度上比Mask R-CNN高一丢丢(约0.5个点),加上seg loss后可以涨一个点,从而超过Mask R-CNN;速度和Mask R-CNN差不多,稍好一点;
作为面向AI开发者打造的顶级赛事,昇腾AI创新大赛分为两个赛道:一个是面向行业场景进行应用创新的应用赛道,意在推动人工智能的产业落地;另一个是基于昇思进行算法、前沿任务创新的昇思赛道,瞄准了人工智能的前沿课题。
(注:阅读笔记有很多自己的主观判断和解释,会有错误与误解之处,也在持续修改中,希望大家能够共同讨论进步,加深理解。)
发布 | ATYUN订阅号 您是如何跟上不同的卷积神经网络(CNNs)的?近年来,我们见证了无数CNNs的诞生。这些网络已经变得如此之深奥,以至于很难将整个模型可视化。我们不再跟踪它们,而是把它们当
论文地址:https://arxiv.org/pdf/1812.11703.pdf
随着考研大战如火如荼,2022研究生报考数目再创新高,越来越多的学生选择继续深造,进入更高的学府,为自己的学历镀金。然而现实是,很多的人毕业后并不一定比本科生拥有明显的优势,包括在体制内的工作,编制和稳定也不一定能顺利如愿。 不过真本事才是硬道理,时刻有忧患意识,学院教我们理论,而我们终将走向社会。闲余时间也要尽力实习,增长经验,那么对社会职场来说,你就不再一直是菜鸟。如果一直做科研,也要时刻更新知识储备。 优质的学习资源不可或缺 关注这些公众号,免费学习 长按二维码,选择【识别图中二维码】关
明敏 发自 凹非寺 量子位 | 公众号 QbitAI 机械臂常见,但你见过这么聪明的吗? 从工作台上一眼找到合适的螺母、稳稳拿住。 再送到目标螺杆上,整个动作一气呵成: 即使是相似度极高的两个部件,也能准确区分并“揪”出正确的那个: 要知道,平时我们自己做实验、或是拼装没见过的机械零件时,面对各个相似的零件都可能拿错,更何况机器人。 (想象一下拼装乐高零件的痛苦) 但这只机械臂没有使用过任何人工标注,就能从模拟器立刻迁移到真实世界,同时泛化到机器人没见过的新物体上,准确率能达到87.8%。 这就
2020年2月18日,教育部、科技部联合印发了一份引起国内学术圈广泛关注的意见书:《关于规范高等学校SCI论文相关指标使用树立正确评价导向的若干意见》,呼吁进行科研评价时要“破除唯SCI至上”、“探索建立科学的评价体系”等。
(由于微信公众号外部链接的限制,文中的部分链接可能无法正确打开。如有需要,请点击文末的“阅读原文”按钮,访问可以正常显示外链的版本。)
近期推出的实例分割(Instance Segmentation)论文很多,有时间 Amusi 出一期:一文看尽实例分割系列。同时值得关注的实例分割论文也很多,比如前几天沈春华老师团队推出的的SOLO,详见:超越EfficientNet:metaKernel;实例分割新网络:SOLO
作为曾经熬通宵肝论文的过来人,小编要吐槽,论文写久了真的会头秃,尤其是确定选题和创新点的时候,是薅头发事件的高发阶段。 尤其是对于那些导师放养、在自己的摸索中磕磕绊绊的前行的科研新手们, 焦虑总是瞅准时机就扑面而来—— 马上要开题了,却没有一点思路; 马上要交初稿了,还没有idea; 想发篇顶会/顶刊,找不到创新方向…… 对于已然入坑的 NLPer 来说,没有什么比好好写一篇论文更重要的了。 在某乎上看到有同学提问,因为创新不足,对自己的选题不是很有信心,打算先写一版给导师过目,不行再改。 Emmm……
每天给你送来NLP技术干货! ---- 深度学习(Deep Learning)作为机器学习领域中的“当红辣子鸡”,近年来始终热度不减。 在ICLR(国际表征学习大会) 2022所收录的论文中,从投递数量最高的50个关键词就可以看出,强化学习、图神经网络等深度学习相关的技术研究是当下的研究热门,论文投递数量高居榜首。 ICLR 2022 研究频数最高的50个关键词 不知道大家关注大会信息的时候是怎么样的一种心情,反正小编的心里在惋惜曾经写完却没有投递成功的论文…… 审稿人轻轻松松的一句没有novelty,就
朋友们,开学啦,你的论文开始写了嘛~ 论文通俗来说是本科和硕士的升学助力,也是学术界的硬通货,更是未来工作的加分项和敲门砖。 论文的写作对很多学生来说,是一种挑战。有些学生不知该如何对论文做选题,更多的学生则是对毕业论文写作到底有什么要求不清楚,不知从何下手,常常为毕业论文发愁。 我跟几位CVPR、ECCV等顶会审稿人聊了聊,总结输出如下文,希望对大家有启发。 扫码0.1元领取 《顶会审稿人论文写作干货》 论文写作的分为四个顺序:阅读论文→确定创新点→Coding/实验→论文写作。 01 阅读论文 发表论
在网上查资料闲逛,偶然间看到了张戈博客的评论框有点意思,于是就收走拿到了我的米扑博客。
导语:近年来,许多卷积神经网络( CNN )跃入眼帘,而随着其越来越深的深度,我们难以对某个 CNN 的结构有较明确的了解。因此本文精心选取了 10 个 CNN 体系结构的详细图解进行讲述。
论文通俗来说是本科和硕士的升学助力,也是学术界的硬通货,更是未来工作的加分项和敲门砖。 论文的写作对很多学生来说,是一种挑战。有些学生不知该如何对论文做选题,更多的学生则是对毕业论文写作到底有什么要求不清楚,不知从何下手,常常为毕业论文发愁。 我跟几位CVPR、ECCV等顶会审稿人聊了聊,总结输出如下文,希望对大家有启发。 扫码0.1元领取 《顶会审稿人论文写作干货》 论文写作的分为四个顺序:阅读论文→确定创新点→Coding/实验→论文写作。 01 阅读论文 发表论文的前提是大量阅读论文!!!文献阅读分
作为一名学术领域的探索者,我们都知道,检索和阅读论文是我们获取知识、启发思考、验证假设的基石,也是日常学习中必不可少的基本功之一。然而在浩瀚的学术海洋中,如何快速、准确地找到我们需要的论文,就像是航海家如何在茫茫大海中找到正确的航线。海量的学术资源、复杂的检索系统、不断更新的研究热点,都为我们设置了重重障碍。最近,我就收到了不少同学私信说他们检索并阅读完一篇论文所花费的时间,甚至比追完一季电视剧还要长,那么:
粉丝投稿:985专硕机器学习专业,毕业论文写了六万多了,导师提了很多意见,但是我并不知道怎么去改。看到自己写的这些就情绪崩溃了,崩溃了一天重新坐回电脑旁边,还是一样的不知道如何入手。 导师很忙,这些意见还是催了几次他提出的,实在不好意思再找他了。坐在自习室,看着自己的论文就哭了,我真的觉得自己的脑子差不多是木头了。 我只是想毕业啊,怎么这么难! 每逢毕业季,关于写论文的求助投稿很多,知乎上的求助发帖也很多。 关于写论文的热议一直不断,小编也有问过经历过和正在经历的同学,写论文和发论文的过程中,最痛苦的事情
在答辩时 , 答辩老师一般不会将注意力放在你的答辩陈述上 , 而是专心看你的论文 ;
马上要开学了,你的论文怎么样啦? 暑假即将结束,在和学弟学妹们交流的时候,发现他们都有这样的困惑:看了很多论文,也大致能够理解论文中的各种模型,也有了一些想法,但是建立模型以后,效果却跑不出来,要么有效果却感觉很垃圾,想水都水不出来论文来。 一股焦虑扑面而来——NLP哪个方向好发论文?怎么寻找创新点? 对于已然入坑的NLPer来说,没有什么比好好发论文重要的了。 不论是为了顺利毕业还是为了进大厂、当Lab的研究员员,论文都是绕不过去的一关。 一篇好的论文到底长啥样? 最近也也咨询了一位KDD、ACL顶会的P
机器之心报道 机器之心编辑部 中科院信息工程研究所副研究员于静老师近期在 B 站开设了《科研与英文学术论文写作》视频课程,全程干货。 科研与学术论文写作是学术研究者需要具备的核心能力之一,但目前处于科研起步阶段的同学对如何做出高水平学术研究、如何写出高质量学术论文、如何培养必备的学术能力仍存在诸多困惑,也缺少科学的方法指导。在宝贵的在校学习阶段,尽早掌握一套完善科学的科研方法、了解具有实操价值的论文写作规范能够有效助力高水平学术成果的产出。 近期,中科院信息工程研究所副研究员于静老师在 “CCF 学生领航计
YOLO系列应该是目标领域知名度最高的算法,其凭借出色的实时检测性能在不同的领域均有广泛应用。 目前,YOLO共有6个版本,YOLOv1-v5和YOLOX,除了YOLOv5外,其它都有相应的论文,5篇论文我已上传到资源中,可自行下载:https://www.aliyundrive.com/s/ofcnrxjzsFE 工程上使用最多的版本是YOLOv3和YOLOv5,Pytorch版本均由ultralytics公司开发,YOLOv5仍在进行维护,截至目前,已经更新到YOLOv5-6.1版本。 项目地址:https://github.com/ultralytics/yolov5 在上篇博文中,详细记录了如何用YOLOv5来跑通VOC2007数据集,本篇博文旨在对YOLO系列算法的演化进行简单梳理,更多详细的内容可以看文末的参考资料。
最近几年,研究者往计算机视觉领域的顶会投的论文越来越多。下图就能明显看出这一趋势,尤其是从2016年开始,论文提交的数量成指数型增长。如此激烈的竞争也让很多研究者颇为焦虑,到底什么样的论文更容易被顶会收录呢?
由于事件相机不能提供完整的图像,所以最初的特征跟踪依赖传统相机的数据。本推送介绍事件相机特征检测与跟踪的一篇较早的工作:Feature Detection and Tracking with the Dynamic and Active-pixelVision Sensor (DAVIS),由ETH发表于2016年,衍生出了其它的方法,也被作为一类典型的特征追踪思路,即利用传统图形进行初始化与跟踪。
物体姿态估计在许多现实世界应用中起到至关重要的作用,例如具身智能、机器人灵巧操作和增强现实等。
本文是SIGKDD 2022入选论文“GPPT: Graph Pre-training and Prompt Tuning to Generalize Graph Neural Networks”的解读。该论文由吉林大学计算机科学与技术学院王英教授课题组完成。本文首次提出“Pre-training、Prompt、Fine-tuning”的概念将下游任务进行重构,使其具有与Pretext相似的任务目标,弥补GNN之间的任务差距,解决由传统GNN预训练中Pretext任务与下游任务之间内在训练目标差距导致的难以引出预训练的图知识、负迁移的问题。实验表明,该训练策略优于其它所有训练策略,包括监督学习、联合训练和传统的迁移学习。
前几天刚过完 ACL 2019 投稿季,给不少同学的论文提供了修改建议。其中很多论文,特别是初学者的论文的问题都很相似。一想到未来还要给更多新同学重复这些话,决定索性把这些建议总结出来,不仅以后能少费一番唇舌,说不定还能帮助更多同学。于是就有了这篇短文。
本文题目取“合格”的论文,而不是优美的论文,或精彩的论文。一个原因是,我自知英文水平特别是词汇有限,从未写过自认精彩或优美的论文,并无资格提供这方面的建议。另一个原因是,下面会讲到,学术论文的关键目标并非辞藻优美而是清晰准确,我在这方面还积累了不少经验。凭借这些经验,相信“辞达已矣”不难,“言之有文”则各凭本事吧。
颜宁:我国著名科学家,拥有一系列重磅标签:清华大学教授、普林斯顿大学终身教授、施一公先生的得意门生、“杰青”、“长江学者”、《Nature》杂志“中国科学之星”、《自然》杂志 “中国科学之星”。
本文作者刘知远为清华大学计算机科学与技术系副教授 。刘老师总结了研究者在写NLP论文时常见的几类问题,并写成了这篇文章。除了对于NLP研究者,这篇文章对于其他的学术研究也有很好的指导意义。
本文精选了美团技术团队被CVPR 2023收录的8篇论文进行解读。这些论文既有自监督学习、领域自适应、联邦学习等通用学习范式方面的技术迭代,也涉及目标检测、跟踪、分割、Low-level Vision等典型视觉任务的性能,体现了美团在基础通用技术和垂直领域技术上的全方位创新。这些论文也是美团技术团队与国内多所高校、科研机构合作的成果。希望给从事相关研究工作的同学带来一些启发或者帮助。
毕业季马上到啦!在对毕业生送祝福前,我们还要多关心一句: 论文答辩了没? 想想也是伤感,毕业论文,可能是很多人最后一篇认真写的严肃文章了。 论文答辩时的“尴尬”要避免, 安全过关就靠它! 来源 |
大数据文摘授权转载自夕小瑶的卖萌屋 作者:小戏 在闲极无聊百无聊赖的刷着推特的时候,突然看到了这样一条消息让我手指一停。 眼睛很快捕捉到了关键词,嗯?PromptIDE? 不知道大家看到 Prompt
“想要发一篇论文,怎么就那么难?” 无论几岁的计算机视觉党,面对这样的灵魂拷问,很有可能都要陷入沉思。 0-1岁的科研人要考虑的是, 谁来告诉我,哪个研究方向比较好,比较热门,比较不卷,比较好发论文。 2岁以上的科研人已然入坑,一时半会也爬不出来, 所以想着,求大神指导,怎么“抢idea”、怎么占坑、怎么快速发论文…… 大多数CV研究生的最终目的地无非两个,工程上的或者学术上的。要么进大厂当算法工程师;要么成为Lab算法研究员。 而要到达理想目的地的前提条件是,有一份拿得出手的成绩——发论文的数量和质量无
领取专属 10元无门槛券
手把手带您无忧上云