Neural Collaborative Subspace Clustering（ICML 2019）
Neural Collaborative Subspace Clustering（ICML 2019） Abastract: l discovers clusters of data points drawn from a union of low dimensional ...
原文：《Domain Agnostic Learning with Disentangled Representations》ICML 2019
这篇文章是ICML 上一篇做域适应的文章，无监督域适应研究的问题是如何把源域上训练的模型结合无lable的目标域数据使得该模型在目标域上有良好的表现。之前的研究都有个假设，就是数据来自哪个域是有着域标签的，其实这不太现实，就拿手写字识别打比方，不同的人使用不同的笔如纸张，那写出来的字会是不同的域的，识别的时候不可能模型还得需要知道待识别的字来自哪个域。这篇文章研究的内容是如何把有标注的源域信息迁 ...
2019-07-25 16:27 0 546 推荐指数：
相关推荐
Learning in the Frequency Domain 解读
论文：Learning in the Frequency Domain， CVPR 2020 代码：https://github.com/calmevtime/DCTNet 实际的图像尺寸比较大，无法直接输入到CNN处理。因此，各类CNN模型都把图像首先下采样的224x224，然后再处理 ...
【论文阅读】Diverse Image-to-Image Translation via Disentangled Representations（ECCV2018 oral）
目录 相关链接 方法亮点 相关工作 方法细节 实验结果 总结与收获 参考文献 相关链接： 论文：https://arxiv.org/abs/ ...
A Simple Framework for Contrastive Learning of Visual Representations
目录 概 主要内容 流程 projection head g constractive loss augmentation ...
ViLBERT: Pretraining Task-Agnostic Visiolinguistic Representations for Vision-and-Language Tasks
ViLBERT: Pretraining Task-Agnostic Visiolinguistic Representations for Vision-and-Language Tasks 2020-03-12 23:10:53 Paper: NeurIPS 2019 Code ...
TACOS: Task Agnostic Continual Learning in Spiking Neural Networks
郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Proceedings of the 38th International Conference on Machine Learning, PMLR 139, 2021. Abstract 灾难性干扰，即在学习新信息 ...
Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks
郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ ICML 2017 Abstract 我们提出了一种与模型无关的元学习算法，从某种意义上说，该算法可与通过梯度下降训练的任何模型兼容，并适用于各种不同的学习问题，包括分类，回归和RL。元学习的目标是针对各种学习任务 ...
论文笔记：Learning Attribute-Specific Representations for Visual Tracking
Learning Attribute-Specific Representations for Visual Tracking AAAI-2019 Paper：http://faculty.ucmerced.edu/mhyang/papers/aaai2019 ...