Happy 头像

Happy

1385 声望
公众号:AIWalker 展开

公众号:AIWalker

收起
关注了
0
粉丝数
2054
最新动态
  • 发布了文章 ·
    VSR-Transformer | 超越BasicVSR,Transformer拿下视频超分

    最近,Transformer在CV领域搅翻了天,在各个CV领域打出了半片天。比如,Detection、Segmentation、Classification等等均出现了Transformer这个“搅局者”;甚至Low-level领域也被Transformer占领多个高峰,比如超分、降噪、去雨等等。一直以为视频超分可能还会再等一段时间,哪成想,视频超分领域也成了Transformer的附属地。

    摘要图
  • 发布了文章 ·
    89.77%!谷歌大脑Quoc V.Le团队提出CoAtNet:将卷积与自注意力纳入同一模块

    本文是谷歌研究院Quov V.Le团队在卷积与自注意力组合方面的探索,将深度卷积与自注意力集成统一到一个计算模块中,并从实验角度对卷积与自注意力的组合方式进行了论证,进而确定了CoAtNet的架构。所提方案在ImageNet数据集上取得了大幅超越其他ConvNet与Transformer的性能。比如,无需额外数据,CoAtNet在ImageNet上取得...

    摘要图
  • 发布了文章 ·
    只需两行code即将置换思想与Transformer巧妙衔接

    本文是腾讯光影实验室俞刚团队在Transformer的的最新力作,他们创造性的将ShuffleNet的置换思想与Transformer进行结合。考虑到近期Swin为代表的非重叠窗口自注意力存在的问题,巧妙了借鉴了ShuffleNet的置换思想,提出了空域置换并于Transformer组合得到了本文的Shuffle Transformer。所提方案在ImagNet分类、ADE20K语义...

    摘要图
  • 发布了文章 ·
    “新卷王”X-volution | 将卷积与自注意力进行高效集成

    最近一段时间,各大公众号都在分发关于Transformer的各个进展,一时之间好像CNN没什么进展了,好像有段时间没出非常有意思的工作了。

    摘要图
  • 发布了文章 ·
    NTIRE2021 HDR竞赛方案简介

    今天要介绍的是NTIRE2021的HDR竞赛方案。从竞赛结果来看,大部分方案都是在SingleHDR与AHDRNet的基础上演变而来,创新性反而不如视频超分竞赛那样新idea“层出不穷”。还是没忍住,又来分享竞赛方案了,大写的尬!

    摘要图
  • 发布了文章 ·
    通道注意力再进化,深圳大学与西安交大联合提出高效金字塔拆分注意力EPSANet

    本文是深圳大学&西安交大在注意力机制方面的探索,在通道注意力的基础上,引入多尺度思想,构建了本文所提的即插即用EPSA模块。相比其他注意力机制(比如SENet、FcaNet等),所提EPSANet在图像分类、目标检测以及实例分割任务上均取得了显著性能提升。原文链接:arxiv.org/abs/2105.14447

    摘要图
  • 发布了文章 ·
    MobileAI2021 端侧视频超分竞赛方案简介

    今天要介绍的是MobileAI2021视频超分竞赛的方案,从今天要介绍的方案来看,基本以图像方案为主,即图像超分直接在视频中逐帧处理。当然,冠军方案采用了递归方案,而且是最近流行起来的双向递归。

    摘要图
  • 发布了文章 ·
    深入分析MobileAI图像超分最佳方案:ABPN

    今天要介绍的MobileAI2021的图像超分竞赛的最佳方案,无论是PSNR指标还是推理速度均显著优于其他方案,推理速度达到了手机端实时(<40ms@1080P)。

    摘要图
  • 发布了文章 ·
    MobileAI2021 端侧图像超分竞赛方案简介

    MobileAI的各大竞赛已经落下帷幕,冠亚军排名也相继确定,笔者近期会逐步将相关领域的竞赛结果进行一下简单总结,同时也将对这其中的冠军军及优秀方案进行一番解读,感兴趣的朋友可以关注一波...

    摘要图
  • 发布了文章 ·
    【综述】一文概览动态神经网络

    在过去了几年里,动态神经网络非常热,热到每周都能看到几篇不错的动态神经网络论文上传到arxiv。那么什么是动态神经网络呢?它有有哪些类型呢?它的研究现状如何呢?接下来,就由Happy带领大家简单回顾一下咯。

    摘要图
  • 发布了文章 ·
    NTIRE2021 压缩视频增强竞赛各大方案简介

    NTIRE的各大竞赛已经落下帷幕,冠亚军排名也相继确定,笔者近期会逐步将相关领域的竞赛结果进行一下简单总结,同时也将对这其中的冠军军及优秀方案进行一番解读,感兴趣的朋友可以关注一波...

    摘要图
  • 发布了文章 ·
    NTIRE2021 图像去模糊竞赛各大方案简介

    NTIRE的各大竞赛已经落下帷幕,冠亚军排名也相继确定,笔者近期会逐步将相关领域的竞赛结果进行一下简单总结,同时也将对这其中的冠军军及优秀方案进行一番解读,感兴趣的朋友可以关注一波...

    摘要图
  • 发布了文章 ·
    旷视科技提出适用于low-level问题的Half Instance Normalization

    一直以来,甚少有normalization技术在low-level得到广泛应用并取得优异性能,就算得到应用其性能也会受限或者造成异常的视觉效果。

    摘要图
  • 发布了文章 ·
    NTIRE2021图像去模糊竞赛冠军方案: EDPN

    本文是中科大团队用于参加NTIRE2021图像去模糊竞赛的方案EDPN,取得了Track1三指标第一,Track2赛道双指标第一的成绩。EDPN是在EDVR的基础上改进而来,引入了金字塔结构、渐进式思想集成自相似性与跨尺度相似性特征。

    摘要图
  • 发布了文章 ·
    为进一步提升调制图像复原视觉质量,先进院董超团队提出集成CResMD与GAN的CUGAN

    本文是中科院深圳先进技术研究院董超团队在调制图像复原方面的最新力作。该团队在调试图像复原方面的工作从CVPR2019的AdaFM与DNI,到ECCV2020的CResMD,再到本文CUGAN,延续了其一贯简单且实用的风格。本文所提CUGAN当属CResMD的扩展版:引入GAN训练提升纹理细节。

    摘要图
  • 发布了文章 ·
    “重参数宇宙”再添新成员:RepMLP,清华大学&旷视科技提出将重参数卷积嵌入到全连接层

    首发:AIWalker作者:HappyAIWalker标题&作者团队paper: [链接]code: [链接]本文是清华大学&旷视科技在结构重参数领域继ACNet、RepVGG、DBB之后又一突破:RepMLP,它将重参数卷积与全连接层进行了巧妙地衔接,同时利用了全连接层的全局建模、位置感知特性与卷积的局部结构提取能力。在ImageNet分类、人脸识别以及语义分...

    摘要图
  • 发布了文章 ·
    新坑!谷歌提出MLP-Mixer:一种无卷积、无注意力、纯MLP构成的视觉架构

    首发:AIWalker作者:HappyAIWalker标题&作者团队paper: [链接]code:[链接]\_transformer (暂未开源)本文是谷歌大脑的研究员(原ViT团队)在网络架构设计方面挖的新坑:MLP-Mixer。无需卷积、注意力机制,MLP-Mixer仅需MLP即可达到与CNN、Transformer相媲美的性能。比如,在JFT-300M数据集预训练+ImageNet微调后,所提Mixe...

    摘要图
  • 发布了文章 ·
    NTIRE2021竞赛"三冠一亚"方案BasicVSR++,Vid4新巅峰29.04dB

    首发:AIWalker作者:HappyAIWalker标题&作者团队paper: [链接]code: [链接]本文是南洋理工大学Chen Change Loy团队在视频超分方面最新进展。在BasicVSR的基础上,将双向信息传播进化为网格状双向信息传播,将光流对齐进化为光流引导的形变对齐,同时利用光流对齐与形变对齐各自的优点得到本文的BasicVSR++。该方案在Vid...

    摘要图
  • 发布了文章 ·
    【综述】系统综述深度学习时代的低光图像增强,南开大学程明明团队还构建了大尺度数据与在线评估平台

    本文是南开大学程明明与南洋理工大学Chen ChangeLoy等人关于深度学习时代的低光图像增强的综述。本文从低光图像增强的数据集、网络架构、损失函数、学习机制等不同角度对其进行了系统性的总数;为评估不同方法的泛化性与鲁棒性还提出了一个大尺度低光图像数据集;与此同时,针对低光图像增强存在的挑战以及未来有研究价...

    摘要图
  • 发布了文章 ·
    思维的碰撞:小波变换偶遇深度学习

    本文是浙江大学于2019提出的一种基于小波的图像超分方案,算是比较“老”的一种方案了。不过考虑到它的创新:将小波变换与深度学习相结合,本文还是值得略读一番。不同于其他深度学习图像超分方案,本文采用小波变换提取图像的四组系数并作为网络的输入,预测残差图像的小波系数。这不同于常规方案的直接进行图像复原或者...

    摘要图
认证与成就
获得 24 次点赞
2020年01月15日 加入
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
Arm中国学堂公众号
关注Arm中国学堂
实时获取免费 Arm 教学资源信息
Arm中国招聘公众号
关注Arm中国招聘
实时获取 Arm 中国职位信息