mli/paper-reading

This is stars and forks stats for /mli/paper-reading repository. As of 27 Apr, 2024 this repository has 20240 stars and 1947 forks.

深度学习论文精读 录制完成的论文 日期 标题 封面 时长 视频（播放数） 3/30/23 GPT-4 1:20:38 3/23/23 大模型时代下做科研的四个思路 1:06:29 3/10/23 Anthropic LLM 1:01:51 1/20/23 Helm 全面语言模型评测 1:23:37 1/11/23 多模态论文串讲·下 1:03:29 12/29/22 Instruct GPT 1:07:10 12/19/22 Neural Corpus Indexer 文档检索 55:47 12/12/22 多模态论文串讲·上 1:12:27 11/14/22 OpenAI Whisper 精读 1:12:16 11/07/22 在讲 OpenAI Whisper 前先做了一个剪视频小工具 23:39 10/23/22 Chain of Thought 论文、代码和资源 33:21 9/17/22 CLIP 改进工作串讲（下） 1:04:26 9/2/22 CLIP 改进工作串讲（上） 1:14:43 7/29/22 ViLT 论文精读 1:03:26 7/22/22 理由、论据和担保【研究的艺术·四】 44:14 7/15/22 如何讲好故事、故事里的论点【研究的艺术·三】 43:56 7/8/22 DALL·E 2 逐段精读 1:27:54 7/1/22 明白问题的重要性【研究的艺术·二】 1:03:40 6/24/22 跟读者建立联系【研究的艺术·一】 45:01 6/17/22 Zero 逐段精读 52:21 6/10/22 DETR 逐段精读 54:22 6/3/22 Megatron LM 逐段精读 56:07 5/27/22 GPipe 逐段精读 58:47 5/5/22 Pathways 逐段精读 1:02:13 4/28/22 视频理解论文串讲（下） 1:08:32 4/21/22 参数服务器（Parameter Server） 逐段精读 1:37:40 4/14/22 视频理解论文串讲（上） 51:15 3/31/22 I3D 论文精读 52:31 3/24/22 斯坦福 2022 年 AI 指数报告 精读 1:19:56 3/17/22 AlphaCode 论文精读 44:00 3/10/22 OpenAI Codex 论文精读 47:58 3/3/22 GPT, GPT-2, GPT-3 精读 1:29:58 2/24/22 Two-Stream 逐段精读 52:57 2/10/22 CLIP 逐段精读 1:38:25 2/6/22 你（被）吐槽过论文不够 novel 吗？ 14:11 1/23/22 AlphaFold 2 精读 1:15:28 1/18/22 如何判断（你自己的）研究工作的价值 9:59 1/15/22 Swin Transformer 精读 1:00:21 1/7/22 指导数学直觉 52:51 1/5/22 AlphaFold 2 预告 03:28 12/20/21 对比学习论文综述 1:32:01 12/15/21 MoCo 逐段精读 1:24:11 12/9/21 如何找研究想法 1 5:34 12/8/21 MAE 逐段精读 47:04 11/29/21 ViT 逐段精读 1:11:30 11/18/21 BERT 逐段精读 45:49 11/9/21 GAN 逐段精读 46:16 11/3/21 零基础多图详解 图神经网络（GNN/GCN） 1:06:19 10/27/21 Transformer 逐段精读 （视频中提到的文献 1) 1:27:05 10/22/21 ResNet 论文逐段精读 53:46 10/21/21 撑起计算机视觉半边天的 ResNet 11:50 10/15/21 AlexNet 论文逐段精读 55:21 10/14/21 9年后重读深度学习奠基作之一：AlexNet 19:59 10/06/21 如何读论文 06:39 所有论文 包括已经录制完成和之后将要介绍的论文。选取的原则是10年内深度学习里有影响力文章（必读文章），或者近期比较有意思的文章。当然这十年里重要的工作太多了，不可能一一过一遍。在选取的时候我会偏向一些之前 直播课 中没讲到过的。 欢迎大家在 讨论区 里提供建（点）议（歌）。 总论文数 67，录制完成数 32 （这里引用采用的是 semanticscholar，是因为它提供 API 可以自动获取，不用手动更新。） 计算机视觉 - CNN 已录制 年份 名字 简介 引用 ✅ 2012 AlexNet 深度学习热潮的奠基作 2014 VGG 使用 3x3 卷积构造更深的网络 2014 GoogleNet 使用并行架构构造更深的网络 ✅ 2015 ResNet 构建深层网络都要有的残差连接。 2017 MobileNet 适合终端设备的小CNN 2019 EfficientNet 通过架构搜索得到的CNN 2021 Non-deep networks 让不深的网络也能在ImageNet刷到SOTA 计算机视觉 - Transformer 已录制 年份 名字 简介 引用 ✅ 2020 ViT Transformer杀入CV界 ✅ 2021 Swin Transformer 多层次的Vision Transformer 2021 MLP-Mixer 使用MLP替换self-attention ✅ 2021 MAE BERT的CV版 生成模型 已录制 年份 名字 简介 引用 ✅ 2014 GAN 生成模型的开创工作 2015 DCGAN 使用CNN的GAN 2016 pix2pix 2016 SRGAN 图片超分辨率 2017 WGAN 训练更加容易 2017 CycleGAN 2018 StyleGAN 2019 StyleGAN2 2020 DDPM Diffusion Models 2021 Improved DDPM 改进的 DDPM 2021 Guided Diffusion Models 号称超越 GAN 2021 StyleGAN3 ✅ 2022 DALL.E 2 CLIP + Diffusion models，文本生成图像新高度 计算机视觉 - Object Detection 已录制 年份 名字 简介 引用 2014 R-CNN Two-stage 2015 Fast R-CNN 2015 Faster R-CNN 2016 SSD Single stage 2016 YOLO 2017 Mask R-CNN 2017 YOLOv2 2018 YOLOv3 2019 CenterNet Anchor free ✅ 2020 DETR Transformer 计算机视觉 - 对比学习 已录制 年份 名字 简介 引用 ✅ 2018 InstDisc 提出实例判别和memory bank做对比学习 ✅ 2018 CPC 对比预测编码，图像语音文本强化学习全都能做 ✅ 2019 InvaSpread 一个编码器的端到端对比学习 ✅ 2019 CMC 多视角下的对比学习 ✅ 2019 MoCov1 无监督训练效果也很好 ✅ 2020 SimCLRv1 简单的对比学习 (数据增强 + MLP head + 大batch训练久) ✅ 2020 MoCov2 MoCov1 + improvements from SimCLRv1 ✅ 2020 SimCLRv2 大的自监督预训练模型很适合做半监督学习 ✅ 2020 BYOL 不需要负样本的对比学习 ✅ 2020 SWaV 聚类对比学习 ✅ 2020 SimSiam 化繁为简的孪生表征学习 ✅ 2021 MoCov3 如何更稳定的自监督训练ViT ✅ 2021 DINO transformer加自监督在视觉也很香 计算机视觉 - 视频理解 已录制 年份 名字 简介 引用 ✅ 2014 DeepVideo 提出sports1M数据集，用深度学习做视频理解 ✅ 2014 Two-stream 引入光流做时序建模，神经网络首次超越手工特征 ✅ 2014 C3D 比较深的3D-CNN做视频理解 ✅ 2015 Beyond-short-snippets 尝试使用LSTM ✅ 2016 Convolutional fusion 做early fusion来加强时空间建模 ✅ 2016 TSN 超级有效的视频分段建模，bag of tricks in video ✅ 2017 I3D 提出Kinetics数据集，膨胀2D网络到3D，开启3D-CNN时代 ✅ 2017 R2+1D 拆分3D卷积核，使3D网络容易优化 ✅ 2017 Non-local 引入自注意力做视觉问题 ✅ 2018 SlowFast 快慢两支提升效率 ✅ 2021 TimeSformer 视频中第一个引入transformer，开启video transformer时代 多模态学习 已录制 年份 名字 简介 引用 ✅ 2021 CLIP 图片和文本之间的对比学习 ✅ 2021 ViLT 第一个摆脱了目标检测的视觉文本模型 ✅ 2021 ViLD CLIP蒸馏帮助开集目标检测 ✅ 2021 GLIP 联合目标检测和文本定位 ✅ 2021 CLIP4Clip 拿CLIP直接做视频文本retrieval ✅ 2021 ActionCLIP 用多模态对比学习有监督的做视频动作分类 ✅ 2021 PointCLIP 3D变2D，巧妙利用CLIP做点云 ✅ 2022 LSeg 有监督的开集分割 ✅ 2022 GroupViT 只用图像文本对也能无监督做分割 ✅ 2022 CLIPasso CLIP跨界生成简笔画 ✅ 2022 DepthCLIP 用文本跨界估计深度 自然语言处理 - Transformer 已录制 年份 名字 简介 引用 ✅ 2017 Transformer 继MLP、CNN、RNN后的第四大类架构 ✅ 2018 GPT 使用 Transformer 解码器来做预训练 ✅ 2018 BERT Transformer一统NLP的开始 ✅ 2019 GPT-2 更大的 GPT 模型，朝着zero-shot learning迈了一大步 ✅ 2020 GPT-3 100倍更大的 GPT-2，few-shot learning效果显著 系统 已录制 年份 名字 简介 引用 ✅ 2014 参数服务器 支持千亿参数的传统机器学习模型 ✅ 2018 GPipe 流水线（Pipeline）并行 ✅ 2019 Megatron-LM 张量（Tensor）并行 ✅ 2019 Zero 参数分片 ✅ 2022 Pathways 将Jax拓展到上千TPU核上 图神经网络 已录制 年份 名字 简介 引用 ✅ 2021 图神经网络介绍 GNN的可视化介绍 优化算法 已录制 年份 名字 简介 引用 2014 Adam 深度学习里最常用的优化算法之一 2016 为什么超大的模型泛化性不错 2017 为什么Momentum有效 Distill的可视化介绍 新领域应用 已录制 年份 名字 简介 引用 2016 AlphaGo 强化学习出圈 2020 AlphaFold 赢得比赛的的蛋白质3D结构预测 ✅ 2021 AlphaFold 2 原子级别精度的蛋白质3D结构预测 ✅ 2021 Codex 使用注释生成代码 ✅ 2021 指导数学直觉 分析不同数学物体之前的联系来帮助发现新定理 ✅ 2022 AlphaCode 媲美一般程序员的编程解题水平 Footnotes 1 斯坦福100+作者的200+页综述，2 对LayerNorm的新研究，3 对Attention在Transformer里面作用的研究 ↩