【论文阅读笔记】TR-MISR: Multiimage Super-Resolution Based on Feature Fusion With Transformers

【论文笔记】语音复刻模型选型与算法说明 维度VoxCPM2S2-Pro本项目实际情况显存约 8GB≥ 24GB本机 RTX 4090 Laptop16GB,已常驻 Qwen3 等模型 → S2-Pro 直接装不下许可Apache-2.0,商用免费商用需授权EmotionAI 是要面向用户的商业产品 → 许可风险不可接受操作系统Windows / Linux 均可官方要求开发与交付环境是 Windows → 迁移成本高模型体积4.7GB(本地实测)未公开4.7GB 与现有模型共存毫无压力这三条里任何一条都是否决项,不需要再比别的。 阅读详情

论文链接

https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=9684717

摘要

卫星采集的图像序列往往具有多视角和较长的时间跨度,因此将多个低分辨率视图融合为一张细节丰富的高分辨率图像是一个具有挑战性的问题。然而,大多数基于深度学习的MISR方法无法充分利用多张图像进行融合。它们的融合模块——无法很好地适应时间相关性较弱的图像序列多图像超分辨率——提出该模型(编码器、融合模块、解码器)。主要解决输入图像顺序敏感和特征融合不足的问题。

MISR任务的工作流程​​​​

在这里插入图片描述

  1. Step1:输入来自同一场景的多个视角(或不同时间点)的低分辨率图像的图像序列。
  2. Step2:对图像进行采样和填充操作,保证输入图像的尺寸和分辨率一致以及卷积操作时不丢失边缘信息。
  3. Step3:图像通过编码器提取特征,生成特征图。
  4. Step4:利用Step3的特征图进行特征融合生成综合的特征表示。
  5. Step5:将输入解码器,通过上采样(通常是子像素卷积或反卷积)操作生成SR。

主要创新点

  • 首次引用Transformer来处理MISR任务,为Transformer在其他低级视觉任务(如图像去噪和增强)中的应用提供了新的思路。突破了Transfomer在低级计算机视觉任务的局限性,(传统的Transformer破坏了图像或特征的二维结构,并且需要大量数据才能超过具有结构优势的 CNN。该文章提出的 Transformer 避免了额外的空间关系学习,显著降低了对数据的依赖。通过关注来自不同图像块的相同区域,动态分配注意力,并通过额外的可学习嵌入向量进行融合)

模型架构

整个框架的核心在融合模块使用了transfomer对多个视角的特征进行特征融合。
在这里插入图片描述

笔者在阅读论文的时候有以下几个疑问,本文尝试着回答这些疑问并记录下来。

1. 为什么 TR-MISR 的融合模块能够避免 Transformer 进行额外的空间关系学习?

传统的 Transformer 模型 通常用于自然语言处理任务,需要对序列数据进行自注意力机制计算。然而,当 Transformer 被应用到图像处理时,由于图像具有二维空间结构,必须将图像展平为一维序列再进行处理,Transformer 需要学习图像像素之间的空间关系,这导致了更高的数据需求和计算复杂度。而TR-MISR 通过其特有的编码器和融合模块设计,巧妙地避免了这一问题:

利用CNN编码器对TR-MISR进行特征提取捕捉图像的 局部空间信息 和 上下文关系来保留图像的空间结构,于是输入到 Transformer 的不是展平后的像素序列,而是带有空间信息的二维特征图,因此,Transformer 只需关注如何融合这些高层次的特征,而不必重新学习像素之间的空间关系。

2. 为了使 Transformer 融合模块能够理解每个特征的来源,文章为每个输入特征 F i F_i Fi​加上一个可学习的嵌入向量 E i E_i Ei​得到增强后的特征。模型的时候更新的时候参数是怎么更新的?

(1) 前向传播(Forward Pass)
  • CNN 提取输入图像特征 x ( h , w ) i x_{(h, w)}^i x(h,w)i​。

  • 对于每个空间位置 ( h , w ) (h, w) (h,w),将提取到的特征向量 x ( h , w ) i x_{(h, w)}^i x(h,w)i​ 进行特征重排将同一个位置不同通道和可学习的嵌入向量 x ( h , w ) 0 x_{(h, w)}^0 x(h,w)0​ 拼接成序列 z ( h , w ) 0 z_{(h, w)}^0 z(h,w)0​。即 ( z ( h , w ) 0 = [ x ( h , w ) 0 , x ( h , w ) 1 , … , x ( h , w ) k ] ) ( z_{(h,w)}^0 = \left[ x_{(h,w)}^0, x_{(h,w)}^1, \dots, x_{(h,w)}^k \right] ) (z(h,w)0​=[x(h,w)0​,x(h,w)1​,…,x(h,w)k​]),其中, k k k代表通道数。

  • 将这个序列输入到 Transformer 模块中进行处理,从而得到融合后的特征。

  • 最后,通过解码器生成超分辨率输出图像。

(2) 反向传播(Backward Pass)
  • 损失函数:计算生成的超分辨率图像与真实高分辨率图像之间的误差(可以使用 l 1 l_1 l1​ 或 l 2 l_2 l2​ 损失)。由于由于低分辨率图像和高分辨率图像的采集环境不同,可能会导致生成的图像有垂直/水平偏移以及亮度差异,考虑到这些情况:文中提及了如何处理输入图像的位移、亮度差异以及如何计算最终的损失函数。

位移处理(Offset Handling)

  • 假设:偏移在整张图像中是一致的。
  • 处理方法:
    1. 从超分辨率图像 S R SR SR 中裁剪掉边缘的 c c c 个像素,得到 S R ( c , c ) SR_{(c,c)} SR(c,c)​。
    2. 从高分辨率图像 H R HR HR 中以不同的起始点 ( u , v ) (u, v) (u,v) 裁剪出与 S R ( c , c ) SR_{(c,c)} SR(c,c)​ 尺寸相同的子图 H R ( u , v ) HR_{(u,v)} HR(u,v)​,其中 u , v ∈ { 0 , … , 2 c } u, v \in \{0, \dots, 2c\} u,v∈{0,…,2c}。
    3. 对每一对 ( S R ( c , c ) , H R ( u , v ) ) (SR_{(c,c)}, HR_{(u,v)}) (SR(c,c)​,HR(u,v)​) 计算损失,并选择最小的损失作为当前偏移下的最终损失。

亮度差异处理(Brightness Adjustment)

  • 目的:修正 S R ( c , c ) SR_{(c,c)} SR(c,c)​ 和 H R ( u , v ) HR_{(u,v)} HR(u,v)​ 之间的亮度偏差。
  • 亮度偏差计算公式:
    b ( u , v ) = ∑ S M ( u , v ) ⋅ ( H R ( u , v ) − S R ( c , c ) ) ∑ S M ( u , v ) b(u,v) = \frac{\sum SM(u,v) \cdot \left(HR_{(u,v)} - SR_{(c,c)}\right)}{\sum SM(u,v)} b(u,v)=∑SM(u,v)∑SM(u,v)⋅(HR(u,v)​−SR(c,c)​)​
    • S M ( u , v ) SM(u,v) SM(u,v):像素的权重(例如,用于遮挡区域的掩码)。
    • b ( u , v ) b(u,v) b(u,v):亮度偏差。

损失函数设计(Loss Function Design)

  • 损失函数类型:

    1. 平均绝对误差(Mean Absolute Error, MAE):
      l 1 = min ⁡ u , v ∑ ∣ H R ( u , v ) − S R ( c , c ) − b ( u , v ) ∣ ⋅ S M ( u , v ) ∑ S M ( u , v ) l_1 = \min_{u,v} \frac{\sum \left| HR_{(u,v)} - SR_{(c,c)} - b(u,v) \right| \cdot SM(u,v)}{\sum SM(u,v)} l1​=u,vmin​∑SM(u,v)∑ ​HR(u,v)​−SR(c,c)​−b(u,v) ​⋅SM(u,v)​
    2. 均方误差(Mean Squared Error, MSE):
      l 2 = min ⁡ u , v ∑ [ H R ( u , v ) − S R ( c , c ) − b ( u , v ) ] 2 ⋅ S M ( u , v ) ∑ S M ( u , v ) l_2 = \min_{u,v} \frac{\sum \left[ HR_{(u,v)} - SR_{(c,c)} - b(u,v) \right]^2 \cdot SM(u,v)}{\sum SM(u,v)} l2​=u,vmin​∑SM(u,v)∑[HR(u,v)​−SR(c,c)​−b(u,v)]2⋅SM(u,v)​
  • 选择:

    • l 1 l_1 l1​:注重误差分布的平衡,减少整体偏差。
    • l 2 l_2 l2​:对较大的误差更加敏感,适合减少显著的误分类或误差。
  • 梯度更新:

    • 嵌入向量的更新:通过反向传播算法,根据损失函数的梯度调整嵌入向量 x ( h , w ) 0 x_{(h, w)}^0 x(h,w)0​ 的值。
    • CNN 编码器的参数更新:通过梯度下降算法调整 CNN 编码器的参数,以提高特征提取的质量。
    • Transformer 模块的参数更新:调整 Transformer 的权重,包括自注意力层和前馈网络的参数,以更好地融合输入特征。
基于STM32的红外测温系统设计 为了实现本次的毕业设计,我搜集了大量的文献与资料,通过这些资料了解到红外测温的优点,与实现所需的基本器件,并设计了几个方案,最终选择了STM32作为主控芯片,为此还查阅了关于STM32的资料,在此次设计中采用的是MLX90614医用红外测温模块,通过查阅其数据手册了解其测量精度高且自带温度补偿,所以选择了该传感器作为红外测温模块,本次设计到此已经基本完成,硬件部分和软件部分的设计已基本完成。 阅读详情

相关推荐

QGIS效率提升神器:qgis_mcp插件+VSCode联合工作流配置全解析

本文详细解析了如何通过配置qgis_mcp插件与VSCode的联合工作流,实现语音控制和代码自动化来大幅提升QGIS操作效率。该方案将自然语言交互与现代编辑器生态结合,为地理信息专业人士构建了智能、高效的全新工作模式,彻底改变传统GIS操作方式。

weixin_29228203的博客 193

【论文笔记】Transformers in Remote Sensing: A Survey 中的相关论文链接

【综述】Transformers in Remote Sensing: A Survey 链接https://blog.youkuaiyun.com/m0_61899108/article/details/127628888 的相关transformer论文汇总 https://github.com/VIROBO-15/Transformer-in-Remote-Sensing

m0_61899108的博客 2452

MOS管关断时尖峰电压的5种实用抑制方案(附实测数据对比)

本文针对MOS管关断时产生的尖峰电压问题,提供了五种经过实验室实测验证的实用抑制方案。文章从尖峰电压的成因分析入手,详细阐述了优化PCB布局、设计RC缓冲电路、选用TVS二极管钳位、调节驱动电路以及使用磁珠吸收高频振荡等方法的原理、实施步骤与实测数据对比,为硬件工程师解决开关电源和电机驱动中的过压应力与EMI问题提供了系统性的实战指南。

1247

Transformers in Remote Sensing: A Survey

CNN的主要组成部分之一是卷积运算,它捕获输入图像中元素(如轮廓和边缘信息)之间的局部联系。CNN编码偏置,例如空间连接性和平移等方差。这些特征有助于构建通用高效的体系结构。然而,CNN中的局部感受野限制了对图像中长距离依赖关系的建模(例如,远距离部分关系)。此外,卷积与内容无关,因为卷积滤波器权重是稳定的,无论其性质如何,对所有输入应用相同的权重。最近,视觉Transformers(ViTs)在计算机视觉的各种任务中表现出令人印象深刻的性能。

qq_52302919的博客 2722

Unity 代码混淆<混淆插件(Obfuscator Pro 3.9.4)>

Unity 代码混淆<混淆插件(Obfuscator Pro 3.9.4)> 插件导入项目 导入后打开OPS/Obfuscator/Obfuscator Pro Settings 打开后可以看到界面如下 可以在上面界面中选择你需要混淆的类,方法,字段,属性,事件,参数。需要混淆的程序集的选择。如果有些程序集混淆后会有问题也可以添加到白名单里不被混淆 根据自己需求取选择 这个界面是是否添加添加随机代码的 如果使用了上面的插件可以使用 插件下载网址:https://download.cs

Xing_Cheng_Yun的博客 5110

RAD Studio 12安装全攻略:从下载到破解InterBase的完整流程(附KeyPatch使用技巧)

本文提供RAD Studio 12的完整安装指南,包括系统要求、安装步骤及InterBase数据库的高效配置方法。详细介绍了如何使用KeyPatch工具进行许可证处理,并分享了IDE优化和开发技巧,帮助开发者快速上手这一强大的跨平台开发工具。

q6r7s8t9的博客 956

【图像超分辨率】Remote Sensing Imagery Super Resolution Based on Adaptive Multi-Scale Feature Fusion Network

对于遥感图像的超分辨率,本文提出了一种自适应多尺度特征融合网络(AMFFN)。 AMFFN 可以直接从原始低分辨率图像中提取密集特征,而无需任何图像插值预处理。串联几个自适应多尺度特征过滤块(AMFE),以自适应地提取遥感图像的高频详细特征信息。AMFFN 的主要贡献包括: 针对遥感图像的超分辨率引入了一种自适应多尺度特征融合网络,可以自适应地提取多尺度特征信息; 集成了挤压激励模块(Squeeze-and-Excited,SE)和自适应门控单元(Adaptive Gating Unit),用于特征提取和

qq_41807261的博客 1677

时序分析-由D触发器结构来理解Tsu、Th

FPGA逻辑单元内的D触发器(D-FF)是一种在时钟的上升沿(或下降沿)将输入信号的变化传送至输出的边沿触发器。 数字电子技术基础-闫石(第五版)边沿D触发器内部结构见下图: 而FPGA原理与结构(日)一书中,内部结构较之上图多了俩反相器: 由传输门和俩个反相器组成一个循环电路(锁存器),再由前后两级锁存器按主从结构链接而成。这里的传输门起开关作用,随着CLK的状态变化切换开关。只看输出的话,前级锁存器的值会随着时钟输入的变化井然有序地传入后级锁存器。为了防止时钟信号变化时输入信号发生冒险,从而使稳定.

XY_Chang的博客 3976

ASR 识别任务:两篇论文阅读分析与系统方案技术报告 当前报告不足

第 21 页提出“可复现、可解释、可部署、可维护、边界清楚”的最低门槛,方向正确,但仍主要是定性条件。报告没有给出目标语言/领域、离线或流式优先级、训练数据规模、目标硬件、并发预算、最大可接受时延,也没有规定通过值和允许退化幅度。但没有展示任何一条实际复现记录,例如代码仓库、依赖与 CUDA 环境、配置哈希、数据清单哈希、训练命令、日志位置、模型和复算结果。字段与质量检查是报告强项,但数据来源许可、说话人同意、隐私脱敏、敏感信息保留策略、标注规范、抽检比例、标注一致性和争议样本仲裁没有展开。

XLYcmy的博客 316

深入构建加密货币价格预测系统:从数据获取到模型优化的完整指南!

🏆本文收录于「编程与技术实战」专栏,此专栏涵盖了C/C++编程、人工智能、数据结构、机器学习等技术领域的内容,助你早日登顶实现财富自由🚀;同时,欢迎大家关注&&收藏&&订阅!持续更新中,up!up!up!!

**My Coding Family** 1279

即梦(Dreamina)技术浅析(六):多模态生成模型

多模态生成模型的目标是结合不同模态的数据(如文本和图像),生成新的视觉内容。其核心思想是利用文本描述引导图像或视频的生成过程,使得生成结果能够准确反映用户的意图。

m0_75253143的博客 1337

【论文阅读】Agent 记忆机制(132):AgentMemRec——将长期记忆检索转化为预算约束下的推荐排序问题

本文提出将长期记忆检索建模为预算约束下的列表推荐问题(Budgeted Slate Recommendation),并设计AgentMemRec框架,通过多阶段流程(召回、排序、贪心填充)在有限上下文预算下高效选择关键记忆。研究揭示:记忆系统性能瓶颈常源于证据覆盖不全,而非记忆结构复杂度;提升检索完整性比构建复杂知识图谱更有效。该视角为理解与优化Agent记忆系统提供了新范式。

weixin_45642847的博客 301

30、航空公司调度问题的数学模型解析

本文详细解析了航空公司调度问题中的核心数学模型,包括航班时刻表生成、机组人员排班和飞机调度的建模方法与求解技术。通过定义变量、约束条件及目标函数,结合线性规划、整数规划等方法,帮助航空公司实现高效调度。文章还探讨了模型的优化策略、简化方法以及实际应用案例,为提升航空运营效率提供了理论支持和实践指导。

beer8的博客 259

【论文阅读】--AI智能体安全综述:威胁、防御、评估和公开挑战

方向类别 核心描述与关键挑战 代表性风险 / 解决方案思路 长时序安全 Long‑Horizon Security 面向长多步任务,伴随记忆膨胀问题;安全隐患不会即时暴露,在多轮执行后才显现,要求安全机制具备时间维度鲁棒性 潜伏欺骗、Sleeper agent 休眠触发攻击;需要针对长轨迹的潜伏检测 多智能体新型安全 单个恶意智能体能够引发级联失效,破坏整个 MAS;系统拓扑对鲁棒性的影响尚不充分 通信信道身份认证、争议回滚机制、哨兵 / 监管 Agent 改进安全基准 缺少能够覆盖全部攻击范式的统一基准;

我是个好人呀,O(∩_∩)O 591

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

【论文阅读】Agent 记忆机制(131):CAMP-II——用文件操作先验教会 Agent 跨上下文记忆

本文提出CAMP-II,通过利用预训练模型已掌握的Bash与文件操作作为共享接口,实现长程任务中记忆行为的有效蒸馏。核心思想是:记忆动作能否被学会,取决于学生是否愿意生成、教师是否能有效判断——而通用文件操作恰好提供双方共有的先验知识。相比专用记忆工具或上下文压缩,该方法避免“接口陌生导致监督失效”的问题,通过逐token的On-Policy Distillation,使学生自然习得跨上下文保存与恢复状态的能力。实验表明,接口熟悉度是记忆学习的关键前提,而非存储机制本身。

weixin_45642847的博客 296

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

【论文阅读】Agent 记忆机制(127):Think or Remember——Agent“重新思考”与“保留记忆”的成本汇率

本文提出“思考与记忆的架构汇率” $P^* = c/\beta$,揭示上下文策略成本不仅取决于Token数量,更受模型架构与缓存规则影响。删除历史虽减少输入长度,但可能破坏前缀缓存、引发重复推理,导致实际成本上升。论文区分“机械成本”与“行为改变成本”,证明同一策略在不同系统下成本排序可反转。核心结论:记忆保留与否的性价比,由架构、缓存机制与任务轨迹共同决定,而非单纯比较文本长度。

weixin_45642847的博客 406

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

【论文阅读】--基于通信攻击的LLM多Agent系统红队协作

本文提出AiTM(Agent-in-the-Middle)攻击,通过劫持并篡改多智能体系统通信消息,在不修改任何智能体的前提下,诱导其产生恶意行为。实验在AutoGen、CAMEL等框架及MetaGPT、ChatDev中验证,攻击成功率普遍超40%,链式拓扑下高达97.6%。研究表明,通信链路是高危攻击面,尤其当消息具权威性或位于关键节点时。该研究揭示了多智能体系统在去中心化部署中的深层安全风险,强调需加强消息认证与传输防护。

我是个好人呀,O(∩_∩)O 304

文献发现、课题组织与证据可追溯的论文阅读。

Paper Atlas 把一个 PDF 文件夹变成科研工作空间的工具,检索 arXiv 和期刊论文,以科研课题为单位组织文献,用结构化 AI 分析辅助阅读,并在左右分栏的 PDF 阅读器中把结论、证据、页码和原文对应起来。所有数据都保存在本机。论文、笔记、批注、分析结果和设置都在本地data/目录,不需要账号、云同步或外部数据库。为什么是 Paper Atlas多数文献工具停在“下载 + 预览”。Paper Atlas 以组织工作流,把,并保存。

LNN0212的博客 464

【论文阅读】-- 保护基于LLM的多智能体系统免受协同攻击+句子级纠正

本文提出自适应协同攻击框架,揭示恶意智能体通过多轮交互、动态协调可显著提升攻击破坏力。针对此威胁,提出无训练的STAR防御框架,在句子粒度实现误导信息识别与修正,有效抵御独立与协同攻击,平均提升任务成功率36.76%。实验验证其高效性与可解释性,代码已开源。

我是个好人呀,O(∩_∩)O 275

ASR 识别任务:两篇论文阅读分析与系统方案技术报告 当前报告的建议和改进方向

保留场景切片,新增固定错误样例集:每条样例包含音频/片段标识、参考文本、两个系统的输出、错误类型、场景标签和人工复核结论。将 T0/T1 从“推荐步骤”变成实际交付:锁定代码 commit、依赖环境、数据清单、配置、随机种子和评估脚本;应围绕任务卡建立候选矩阵:目标语言/领域匹配、预训练数据、流式能力、模型大小、许可、部署生态、微调和推理成本;源报告已经提出完整发布包和灰度回滚,下一步应把这些要求绑定到同一个,使每次线上结果都能反查数据、代码、配置、模型和评测版本。所有空格需要由业务、算法和工程共同确认;

XLYcmy的博客 416

【论文阅读】Agent 记忆机制(128):SCALE——让小模型把 LLM 反思内化为可复用概念

SCALE提出一种小模型优先的概念内化框架:当小模型犯错或积累跨回合共性证据时,调用LLM生成可验证的概念假设,经独立环境验证后,转化为轻量神经概念并嵌入任务模型。该过程实现一次昂贵推理的长期知识沉淀,使小模型逐步摆脱对LLM与文本检索的依赖,真正将经验转化为可复用、可迁移的层级概念知识。

weixin_45642847的博客 263

【论文阅读】--可信LLM智能体的威胁与对策 综述

序号 研究模块 / 维度 核心研究缺口 1 Tool 工具模块 防御相关研究极度匮乏,为本领域最大短板 2 Memory 记忆模块 缺少统一、标准化的攻防评测基准 3 Agent-Agent 交互 面向多智能体交互场景的评估工具严重不足 4 评测环境 评估方案多依赖静态数据集,缺乏动态、贴近真实场景的仿真环境 5 MAS 特有威胁 协同攻击、传染性攻击等多智能体专属威胁,配套防御与评估体系亟待深入研究

我是个好人呀,O(∩_∩)O 171

【论文阅读】Agent 记忆机制(126):ENGRAM——只有权重真正学会后,外部经验才能退出检索

ENGRAM 提出一种可验证的经验迁移协议,将“经验是否参与训练”与“是否可退出检索”解耦。通过双门控机制:Gate 1 基于学生掌握度与教师示范数量决定训练准入,允许低能力技能借助高质量示范学习;Gate 2 在隔离探针中逐技能验证新权重能否替代外部记忆,仅当能力完全迁移时才释放记录。该方法解决了传统路径中“训练即删除”的风险,实现安全、可控的记忆固化,推动 Agent 从依赖外部记忆向参数内化演进。

weixin_45642847的博客 397

【论文阅读】Agent 记忆机制(130):FGSE——记忆写入前,先把经验当作可证伪假设

《When Should Agents Remember?》提出Falsification-Gated Self-Evolution(FGSE),为长期记忆引入“写入前证伪门”。该方法将经验视为需经迁移、反例与历史回归三类探针检验的结构化假设,仅在通过验证后才提交至持久记忆。相比传统仅以任务成功为标准的写入机制,FGSE有效防止局部有效但泛化错误的经验污染记忆系统,实现更安全、可复用的知识演化。

weixin_45642847的博客 381

【论文阅读】--SAIGuard:用于主动防御的通信状态仿真LLM多智能体系统

SAIGuard提出一种主动防御框架,针对LLM多智能体系统(MAS)的通信风险,通过通信状态仿真预判消息全局影响,在恶意行为传播前拦截风险消息,避免隔离智能体。其核心为基于GNN的多跳传播仿真与局部-全局偏差检测,结合鲁棒阈值实现精准干预。实验表明,SAIGuard显著降低攻击成功率(ASR↓67.47%),同时提升任务准确率(ACC↑11.96%),在多种拓扑与模型下均表现优异,具备可扩展性与强泛化能力,优于现有反应式防御。

我是个好人呀,O(∩_∩)O 370

论文笔记:把“任务成功“塞进一步动作:DriftOPD 拆解

DriftOPD提出一种无需多步教师或环境rollout的离线序列级蒸馏方法,通过漂移场替代概率密度实现局部项优化,利用离线训练的批判器估计未来影响,以逆KL散度引导动作生成。在π0.5、GR00T等模型上验证,显著提升任务成功率与稳定性,真机表现接近10步老师,推理效率提升2.8倍,且保持动作平滑,适用于多种VLA架构与微调策略。

踏雪亦无痕的博客 306
上一篇: 【论文阅读笔记】Accurate Image Super-Resolution Using Very Deep Convolutional Networks
下一篇: 【论文阅读笔记】Discovering “Semantics“ in Super-Resolution Networks
presenttoday
博客等级 码龄4年 59粉丝 5原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值