基于深度卷积神经网络的 ImageNet 分类
ImageNet Classification with Deep Convolutional Neural Networks
深度卷积网络将数据、GPU 计算与表示学习结合，为现代视觉研究提供了重要起点。
THE RESEARCH ATLAS
扩散策略：通过动作扩散学习视觉运动策略
将机器人控制建模为条件动作序列去噪，把扩散模型连接到视觉运动学习。
Diffusion Policy: Visuomotor Policy Learning via Action Diffusion
为什么值得读
从生成建模走向物理动作的一座桥梁。
引用
@misc{chi2023diffusion,
title = {Diffusion Policy: Visuomotor Policy Learning via Action Diffusion},
author = {Cheng Chi and Zhenjia Xu and Siyuan Feng and Eric Cousineau and Yilun Du and Benjamin Burchfiel and Russ Tedrake and Shuran Song},
year = {2023},
eprint = {2303.04137},
archivePrefix = {arXiv},
primaryClass = {cs.RO},
url = {https://arxiv.org/abs/2303.04137}
}论文与代码版权归原作者；引用及许可请以原始来源为准。
相关研究
去噪扩散概率模型
Denoising Diffusion Probabilistic Models
模型学习逐步反转加噪过程，为图像生成建立了重要的扩散建模路线。
从自然语言监督中学习可迁移的视觉模型
Learning Transferable Visual Models From Natural Language Supervision
通过对比学习对齐图像与自然语言描述，使视觉表示能够迁移到新类别。