جالبه! عکسی را آپلود کنید و سپس در مورد این تصویر از کامپیوتر سوال بپرسید:
Online #Visual_Dialog demo:

http://demo.visualdialog.org/

#CVPR_2017 #NLP #VQA #deep_learning

#Visual_Dialog
(مرتبط با https://t.me/cvision/195)

CVPR 2017 paper for this demo:
https://arxiv.org/abs/1611.08669
Code for this demo:
🔗 http://github.com/cloud-cv/visual-chatbot
Torch code for training and evaluating Visual Dialog models:
🔗 http://github.com/batra-mlp-lab/visdial

#encoder_decoder #deep_learning #NLP #VQA

#مقاله #سورس_کد
StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation
+ PyTorch Implementation of StarGAN - #CVPR_2018


🔗abstract:
https://arxiv.org/abs/1711.09020
🔗Paper:
https://arxiv.org/pdf/1711.09020.pdf
🔗Code:
https://github.com/yunjey/StarGAN
🎬Video Demo:
https://www.youtube.com/watch?v=EYjdLppmERE


#GAN #stargan #pytorch #generative #adversarial

#مقاله #سورس_کد #ویدیو
#morphnet

MorphNet: Towards Faster and Smaller Neural Networks
در واقع میتوان این مقاله را نوعی روش بهینه سازی شبکه فرض کرد.

در این روش با تعریف Regularization روی منابعی مثل تعداد FLOPها در زمان inference شبکه یا حجم نهایی مدل شبکه های موجود با افت حداقلی درصد یا در خیلی از موارد بدون افت دقت شبکه ی بهینه تر خروجی خواهید گرفت.
مثلا ممکنه در شبکه ی resnet این روش تصمیم بگیره فقط skip-connection باقی بماند و بلاک resnet آن قسمت کلا حذف شود (این تصویر گویا است). یا در معماری Inception خیلی از موازی ها را پاک کند.


* The method was first introduced in #CVPR 2018,
* A overview of the approach as well as new device-specific latency regularizers were prestend in #GTC 2019



🔗Blog post:
https://ai.googleblog.com/2019/04/morphnet-towards-faster-and-smaller.html

🔗MorphNet paper :
https://arxiv.org/pdf/1711.06798.pdf

🔗Source code(#tensorflow ):
https://github.com/google-research/morph-net

🔗slides:
https://github.com/google-research/morph-net/blob/master/g3doc/MorphNet_GTC2019.pdf

🔗Recording and #Video:
https://youtu.be/UvTXhTvJ_wM
https://on-demand.gputechconf.com/gtc/2019/video/_/S9645/

نتایج CVPR 2020 اعلام شد: تعداد ۱۴۷۰ مقاله از ۶۶۵۶ مقاله ارسالی پذیرفته شدند.(حدود ۲۲ درصد نرخ پذیرش مقالات)

https://github.com/lixin4ever/Conference-Acceptance-Rate

#CVPR #CVPR2020

Large Scale Holistic Video Understanding Tutorial @CVPR
topics are updated!
Check out the program:
https://holistic-video-understanding.github.io/tutorials/cvpr2020.html#program
Tomorrow, at 9 am PT.
We will also publicly broadcast the live session on YouTube.
Stay tuned!

#CVPR #CVPR2020 #LHVU

CVPR 2020 Summary and Highlights

https://yassouali.github.io//ml-blog/cvpr2020/


#cvpr #cvpr2020