Chinese content多项式分析显示未训练网络在V1脑建模上并不优于训练网络
做脑建模和 RSA 的朋友值得注意:这篇把以前未训练网络更接近V1的结论拆解了,发现换一种归一化或距离度量结论就翻转。训练网络在更干净的角度分量指标上其实更强,还提醒你亮度对比度基线已经很难打败。
做脑建模和 RSA 的朋友值得注意:这篇把以前未训练网络更接近V1的结论拆解了,发现换一种归一化或距离度量结论就翻转。训练网络在更干净的角度分量指标上其实更强,还提醒你亮度对比度基线已经很难打败。
一篇很硬核的视觉理论论文:用加权球面的 retraction 替代尺度归一化,模糊下 MNIST 准确率从 66.2% 拉到 88.4%,做尺度不变特征的研究者可以看看。
2022 年的老方法 TS2Vec 改三个地方就变成基础模型,1.6M 参数冻住就能打平 MantisV2,还不用注意力,思路很值得看。