- 博客(4)
- 收藏
- 关注
RSS订阅原创 2025-3-15 | 论文分享 | M³amba: CLIP-driven Mamba Model forMulti-modal Remote Sensing Classification
4.融合特征：多张特征输入输出一个融合特征，用attention，若是有顺序，加上position embedding。使用CLIP（ViT-B/16）图像编码器提取多模态图像的语义特征，并通过模态特定适配器增强模态感知能力。C：无监督一致性损失：移除后，模型性能显著下降，表明其对模态一致性的增强效果。kappa (κ)：模型生成的分类图与地面真相之间的一致性的统计度量。结合CLIP的语义提取和Mamba的高效建模，提出一种。2.RSMamba:都是分类，单模态和多模态的区别。
2025-03-17 21:11:58
902
原创 一篇博客充分理解Binary Latent Diffusion
直接在像素空间中表示和生成图像会刺激各种研究，随着分辨率的增长，准确回归像素值变得越来越困难。在展示出色的生成图像质量的同时，GAN 模型存在模式覆盖率不足和训练不稳定性等问题。潜在扩散在维数低于像素空间的潜在特征空间中进行去噪，从而降低了每个去噪步骤的成本。然而，回归实值潜在表示仍然很复杂，需要数百个扩散步骤。变分自动编码器 (VAE)在没有任何迭代步骤的情况下生成图像。然而，潜在空间的静态先验限制了表现力，并可能导致后塌陷。
2024-10-21 16:40:35
1161
原创 扩散模型基础串烧（DDPM、DDIM、Stable Diffusion、VAE重参数化）
我们使用扩散概率模型展示了高质量的图像合成结果，这是一种受非平衡热力学考虑启发的潜在变量模型。我们最好的结果是通过对加权变分界进行训练获得的，该边界是根据扩散概率模型和与朗之万动力学的去噪分数匹配之间的新联系设计的，我们的模型自然承认渐进式有损解压缩方案，可以解释为自回归解码的泛化。在无条件 CIFAR10 数据集上，我们获得了 9.46 的 Inception 分数和 3.17 的最新 FID 分数。在 256x256 LSUN 上，我们获得了类似于 ProgressiveGAN 的样本质量。
2024-06-14 01:52:19
594
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人