今天聊一位特別的女神。 性感指數(shù)100，緋聞度為0。 緋聞度為0，導(dǎo)致我們快把她忘了。 性感指數(shù)100，導(dǎo)致我們常常忽略她的智商。 因?yàn)樽鲆獯罄娪暗貓D，Sir才重新看回她。...
發(fā)簡信
IP屬地：北京
-
她比蒼老師更適合叫老師
-
GAN Dissection: Visualizing and Understanding Generative Adversarial NetworksGAN Dissection: Visualizing and Understanding Generative Adversarial Networks 該論文介紹了一個(gè)可...
-
AttnGAN: Fine-Grained Text to Image Generation with Attentional Generative Adversarial Networks《AttnGAN: Fine-Grained Text to Image Generation with Attentional Generative Adversarial...
-
用Leanote搭建自己的云筆記服務(wù)之前一直使用Leanote云筆記，后來因?yàn)橄蘖鞑荒芡?，調(diào)研了幾個(gè)其他云筆記都各有缺點(diǎn)，偶然間看到有用Leanote搭建云筆記服務(wù)的，就自己也搭了一個(gè)。 所需軟件 Golan...
-
Learning to discover cross-domain relations with ganAbstract 人類可以在無監(jiān)督的情況下輕易地發(fā)現(xiàn)兩個(gè)東西之間的聯(lián)系(或者說相同點(diǎn)), 而想讓機(jī)器學(xué)習(xí)的話需要人類給他們配對(duì)作為ground truth然后再進(jìn)行訓(xùn)練. 為...
-
A simple neural network module for relational reasoningAbstract 關(guān)系推理是智能行為中的核心，但是實(shí)驗(yàn)證明關(guān)系推理很難用神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)。 本文描述了如何使用Relation Networks 作為一種即插即用的Model從...
-
Learning deep representations of fine-grained visual descriptionsAbstract 最先進(jìn)的zero-shot視覺識(shí)別將學(xué)習(xí)視為圖像和補(bǔ)充信息的聯(lián)合問題。其中對(duì)視覺特征來說最有效的補(bǔ)充信息是屬性-描述類與類之間的共享特征的手動(dòng)編碼向量。盡管...
-
Visual Relationship Detection with Language Priors《visual relationship detection with language priors》，這也是李飛飛在CNCC上提到的一片重要論文，發(fā)表于ECCV。此論文用...
-
使用Skip-Thought Vectors在自己的數(shù)據(jù)集上訓(xùn)練一個(gè)sentence encoder
Skip-Thought Vectors Skip-Thoughts 模型是一個(gè)句子編碼器。它學(xué)習(xí)將輸入的句子編碼成固定維度的向量表示，這些向量表示能夠?qū)υS多任務(wù)有用，例如檢...
