paper reading

参考

Optimization： SLAM图优化 ICE-BA (CVPR 2018)             Deep Learning (特征点检测、匹配) LIFT: Learned Invariant Feature Transform (2016) SuperPoint: Self Supervised Interest Point Detection and Descripti...

分布式事务 数据库

Paper Reading: STS-B 1. 引言 论文全名为：SemEval-2017 Task 1: Semantic Textual Similarity Multilingual and Cross-lingual Focused Evaluation STS是什么？Semantic Textual Similarity (STS) ，用来表示句子意义的相似性。 主要有哪些应用呢？包括机器翻译（machine translation， MT）,总结归纳（summarization），生成（gene

目录 小目标检测 数据方面 Label Smoothing 模型方面 样本不均衡 目标遮挡 More 更多可见计算机视觉-Paper&Code - 知乎 小目标检测 数据方面 将图像resize成不同的大小 对小目标进行数据增强，过采样策略oversampling，重复正样本数 在图片内用实例分割的Mask抠出小目标图片再使用paste等方法 常见的几种数据增强方法如下 cutout：将图片区域随机扣除 cutmix：将cutout扣除后的区域用同一batch中样本进行

1. What is the problem the paper tries to solve? 2. What is the high-level approach used? 3. What are the key results? 4. How does this work advance the state-of-the-art? 5. What are the limitations ...

1. 使用 STE，虽然使得Round操作处处可导(梯度为1)，但会引入梯度不匹配、不合理的问题。 2. 软量化器(Soft Quantizer)方法虽然能有效改进梯度不匹配问题，但从软量化器直接“跳变”为硬量化器会带来 Quantizer Gap 问题。 3. 在软量化器中引入能够逐渐增大的 Temperature 参数，虽然能缓解 Quantizer Gap 问题，但又会导致梯度流变得不稳定。

看完论文，除了组会的时候做  PPT  会整理一下，大多看了就过了。想想还是得找个地方记录一下，写点阅读报告啥的。先把之前看过的论文都整理过来吧

​ 提出了 EfficientAD，在工业异常检测领域实现了性能和推理运行时间的新标准。​ 先引入了一种高效的网络架构，可以在现代 GPU 上以不到一毫秒的速度计算表达特征。使用学生-教师方法，训练学生网络来预测教师网络（教师网络经过预训练）在正常（即无异常）训练图像上计算的特征。由于学生没有接受过异常图像方面的训练，因此通常无法在这些方面模仿老师。因此，教师和学生的输出之间存在较大距离，因此可以在测试时检测到异常情况。

特性不加入重力变量加入重力变量本质一种开环策略。重力是一个固定的输入，如果这个输入有误，误差会直接进入系统并传播。一种闭环策略。重力是一个被观测和反馈校准的变量，系统对初始误差和模型误差具有自校正能力。适用场景IMU精度极高（战术级）、应用场景简单（如始终水平路面）、或对计算资源极度敏感的场合。自动驾驶的主流选择。尤其适用于消费级、汽车级IMU，面对复杂路况和全球应用，追求更高鲁棒性和精度的系统。推荐度不推荐用于高性能自动驾驶系统。它是一种简化模型，牺牲了精度和鲁棒性。强烈推荐。

Argoverse是Argo AI开源的自动驾驶数据集，包含轨迹预测、3D跟踪和高清地图三大核心子集。轨迹预测数据集提供30秒交通场景序列，3D跟踪数据集包含激光雷达点云和3D标注，高清地图覆盖1000+公里道路。该数据集支持轨迹预测、目标检测、地图构建等研究任务，可通过AWS S3或官网下载。Argoverse凭借真实场景数据和多传感器信息，为自动驾驶算法开发提供了重要支撑。

最后，MLP自下而上，而基于 Transformer 的方法采用了自上而下的策略，通过注意力机制构造查询和搜索相应的图像特征。

在自动驾驶技术领域，**鸟瞰图（BEV）感知**是实现环境精准理解的核心任务。它能够将多相机采集的二维图像特征转换为三维鸟瞰视角的特征表示，为决策系统提供全局空间信息支持。然而，现有 BEV 感知方法普遍面临两大关键挑战：视图转换模块存在梯度传播扭曲问题，以及特征与标注之间存在空间对齐误差。近期，一项研究提出了名为**BEVCon**的对比学习框架，该框架无需依赖外部数据，就能显著提升多种 BEV 感知模型的性能。本文将深入解读这一创新方法。

25年8月来自复旦大学、悉尼大学和伦敦帝国理工学院 ICL 的论文“LMAD: Integrated End-to-End Vision-Language Model for Explainable Autonomous Driving”。 大型视觉-语言模型 (VLM) 在场景理解方面表现出色，可增强驾驶行为的可解释性和与用户的交互性。现有方法主要根据车载多视图图像和场景推理文本对 VLM 进行微调，但这种方法往往缺乏自动驾驶所需的整体细致的场景识别和强大的空间感知，尤其是在复杂情况下。为了弥补这一差距