分享
扫一扫
超级会员免费看
智算菩萨
大家好，我是智算菩萨，一名热衷于探索计算机程序奥秘的爱好者。在代码的海洋里，我如同一位航行者，不断追寻着技术的灯塔，致力于将复杂的问题抽丝剥茧，用算法的智慧点亮创新的火花。
我对编程语言有着浓厚的兴趣，从Python的简洁到C++的力量，从JavaScript的灵动到Java的稳重，每一种语言都像是打开新世界大门的钥匙，让我沉浸其中，乐此不疲。
在算法与数据结构的森林里，我享受解谜的乐趣，无论是深度优先搜索的深度探索，还是动态规划的优雅求解，都让我感受到计算机科学的魅力所在。
作者QQ1248693038，粉丝群1009840934，欢迎交流学习分享！
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
DVMark：深度多尺度视频水印框架精读解析（Dvmark：a deep multiscale framework for video watermarking ）
DVMark代表了深度学习视频水印技术的重要突破，通过创新的多尺度架构、可微分失真层和时域建模，实现了鲁棒性、质量和容量的优异平衡。核心贡献建立了端到端视频水印学习的完整框架解决了不可微分失真的训练难题实现了真正的多失真鲁棒性保证了视频的时域一致性技术影响：DVMark不仅在性能上显著超越了传统方法，更重要的是为视频水印领域建立了新的技术范式，为后续研究提供了重要参考。未来展望。原创 2025-08-02 14:10:32 · 9 阅读 · 0 评论 -
时间序列分析中的Transformer：原理详解与应用指南
Transformer技术的引入为这一领域带来了新的可能性，也为解决复杂的实际问题提供了强大的工具。相信随着技术的不断发展和应用的深入探索，基于Transformer的时间序列分析将在更多领域发挥重要作用，为社会和经济发展做出更大贡献。：Darts是一个专门为时间序列预测设计的Python库，提供了多种Transformer实现，包括标准Transformer、TCN (Temporal Convolutional Network)等。：金融市场存在多种时间尺度的模式，从分钟级的短期波动到月度的长期趋势。原创 2025-07-29 10:31:42 · 134 阅读 · 0 评论 -
视觉Transformer全面解析：从原理到应用的深度剖析（《A survey on vision transformer》精读）
本文全面回顾了视觉Transformer的发展，从基础的Transformer架构到其在各种计算机视觉任务中的应用。Transformer最初在自然语言处理中取得成功，现在正在计算机视觉领域展现出巨大潜力。通过详细分析backbone网络、高级视觉任务、低级视觉任务、视频处理、多模态学习和效率优化等方面，我们可以看到Transformer技术在视觉领域的快速发展和广泛应用。原创 2025-07-29 09:54:48 · 251 阅读 · 0 评论 -
TATS论文精读《Long video generation with time-agnostic vqgan and time-sensitive transformer》：突破长视频生成的技术壁垒
视频生成作为计算机视觉领域的重要研究方向，一直以来都面临着巨大的技术挑战。相比于图像生成的快速发展，视频生成不仅需要保证每一帧的质量，还要确保帧间的时序一致性和连贯性。更为困难的是，如何生成真正的"长视频"——包含数百甚至数千帧的视频序列，这一直是该领域的技术瓶颈。原创 2025-07-26 13:27:29 · 19 阅读 · 0 评论 -
PyTorch深度学习优化实战：从理论到实践的现代化技能指南
现代PyTorch开发已经远远超越了简单的模型构建和训练，它要求开发者具备系统性的优化思维和深度的技术理解。从编译器优化到注意力机制革新，从内存管理到分布式训练，每一个环节都蕴含着巨大的性能提升潜力。掌握这些优化技能的关键在于理解底层原理与实践应用的结合。编译器技术使得高级算法描述能够自动转化为高性能实现，FlexAttention为注意力机制的创新提供了前所未有的灵活性，而现代化的分布式训练策略则让大规模模型训练变得更加可行和高效。原创 2025-07-06 22:06:44 · 134 阅读 · 0 评论 -
PyTorch 2.7深度技术解析：新一代深度学习框架的革命性演进
PyTorch 2.7的发布标志着深度学习框架技术的又一次重大跃升。从Blackwell GPU的原生支持到FlexAttention的革命性改进，从torch.compile的深度进化到Context Parallel API的创新设计，每一项技术改进都体现了对当前AI应用挑战的深入理解和前瞻性的解决方案。这一版本的成功不仅在于技术层面的突破，更在于它展现了开源社区协作的巨大威力和产学研一体化发展的重要价值。原创 2025-07-06 22:00:10 · 113 阅读 · 0 评论 -
【神经网络框架】非局部神经网络
非局部操作（Non-local Operation）是该研究的核心创新点，其数学定义源自经典计算机视觉中的非局部均值算法（Non-local Means）。原创 2025-02-09 21:05:45 · 512 阅读 · 0 评论 -
【文献讲解】《Non-local Neural Networks》
非局部神经网络通过非局部操作有效捕捉长距离依赖关系，为深度学习模型提供了一种新的构建模块。文献强调，非局部操作的通用性使其适用于多种计算机视觉任务，并呼吁未来的网络架构广泛采用这种非局部层，以进一步提升性能。原创 2025-02-09 20:43:00 · 115 阅读 · 0 评论 -
【论文精读】《Towards Deep Learning Models Resistant to Adversarial Attacks》
本文探讨了深度学习模型在面对对抗性攻击时的脆弱性，并提出了一种基于鲁棒优化的方法来增强神经网络的对抗鲁棒性。通过鞍点优化框架，作者提供了对抗攻击和防御机制的统一视角，并在MNIST和CIFAR-10数据集上验证了其方法的有效性。对抗训练的核心思想是将对抗样本引入训练过程，使模型能够学习到对抗样本的特征，从而提升其鲁棒性。本文通过鞍点优化框架提出了一种基于鲁棒优化的对抗训练方法，显著提升了深度学习模型的对抗鲁棒性。本文为深度学习模型的对抗鲁棒性研究提供了新的理论和实证支持，同时为未来研究指明了方向。原创 2025-02-07 11:15:32 · 293 阅读 · 0 评论 -
【论文精读】Virtual Adversarial Training——一种用于监督学习和半监督学习的正则化方法
本文提出了一种新的正则化方法——虚拟对抗训练（Virtual Adversarial Training, VAT），旨在通过引入虚拟对抗损失来增强模型的泛化能力。虚拟对抗损失衡量了给定输入条件下条件标签分布的局部平滑性，定义为模型对输入数据点周围局部扰动的鲁棒性。与传统对抗训练不同，VAT不需要标签信息来定义对抗方向，因此适用于半监督学习。本文详细阐述了VAT的核心方法，并通过实验验证了其在多个基准数据集上的有效性。：虚拟对抗训练；正则化方法；监督学习；半监督学习；对抗方向。原创 2025-02-06 11:23:33 · 106 阅读 · 0 评论 -
【论文精读】Quo Vadis, Action Recognition? A New Model and the Kinetics Dataset
为此，本文提出了一个大规模数据集——Kinetics，以及一种新型的双流膨胀3D卷积网络（I3D），以更好地捕捉视频的时空特征。本文提出的I3D模型通过膨胀操作将2D卷积网络扩展为3D卷积网络，结合双流架构和大规模预训练，显著提升了视频动作识别的性能。I3D（Inflated 3D ConvNet）是本文提出的核心模型，通过将传统的2D卷积网络扩展为3D卷积网络，能够同时捕捉视频的空间和时间特征。膨胀操作的核心是将2D卷积核扩展为3D卷积核，同时初始化3D卷积核的权重为2D卷积核的权重。原创 2025-02-06 10:31:47 · 289 阅读 · 0 评论 -
【理论知识】 2D 卷积、3D 卷积与 3D 池化
卷积神经网络（Convolutional Neural Networks, CNNs）在计算机视觉、视频处理和医学影像分析等领域取得了显著的成功。卷积操作作为CNN的核心，主要包括二维卷积（2D Convolution）、三维卷积（3D Convolution）和三维池化（3D Pooling）。本文将系统地介绍2D卷积、3D卷积及3D池化的基本原理、数学公式、应用场景，并通过表格和示例详细比较这些操作的差异与优势，以帮助读者深入理解这些关键技术。原创 2025-02-06 10:11:38 · 1447 阅读 · 0 评论