Masked Autoencoders Are Scalable Vision Learners 论文研读
NLP | CV |
---|---|
Transformer | ViT |
BERT | MAE |
文章目录
- 1. 标题
- 2. 摘要
- 3. 模型架构
- 4. 结论
1. 标题
Masked Autoencoders Are Scalable Vision Learners指的是带掩码的自编码器是可扩展的视觉学习器。其中这里的Autoencoders指的是模型的输入和输出都是相同的,简单来说Autoencoder=encoder+decoder。
作者其中包括了ResNet的第一作者何恺明大神。
2. 摘要
MAE的方法比较简单:对输入图片进行随机块的mask,然后对mask块中的像素进行重构。核心设计主要是源于两点。
第一,设计了非对称的编码器和解码器架构,其中编码器仅对没有进行mask的区域进行编码,解码器是轻量级的,能够重构原始的图片。
第二,如果对图片中绝大多数的区域进行mask,比如75%,就会得到一个很有意义的自监督任务。
通过上述两个设计,就能够更加有效地训练大模型,如训练速度提升3倍,并且提高训练的精度。
在ViT-Huge的模型中仅仅使用100W的数据就能得到(87.8%)的准确率。在下游任务进行迁移学习的效果优于有监督的预训练。
3. 模型架构
其中masked的块被涂成灰色(绝大部分)。将没有masked的区域作为encoder(ViT)的输入,将其输出填入到新构建的长向量中。灰色部分只包含了位置向量填入到新构建的长向量中。然后将长向量输入到decoder中,最终还原出整个原来的图片。encoder的模型复杂度大于decoder。
4. 结论
简单的算法具有一定的扩展性,是深度学习的核心。在NLP中,简单的自监督学习方法得到了成功的应用。但在计算机视觉中,预训练范式绝大多数还是有监督的方法。在本研究中,使用了autoencoder进行类似于NLP的自监督学习。
在另一方面,由于图像和语言数据的本质并不相同,所以必须谨慎进行处理。在NLP中,一个词是一个语义的单元,包含的语义信息是比较多的。在图像中,虽然每个patch包含一定的语义信息。但它并不是一个语义的segment。MAE能够学习到比较好的语义表达。
Masked Autoencoders Are Scalable Vision Learners 论文研读相关推荐
- Masked Autoencoders Are Scalable Vision Learners 论文导读
Facebook 人工智能研究 (FAIR) 团队发表的论文 Masked Autoencoders Are Scalable Vision Learners 已成为计算机视觉社区的热门话题.这也是K ...
- 李沐精读论文:MAE 《Masked Autoencoders Are Scalable Vision Learners》
论文:Masked Autoencoders Are Scalable Vision Learners 别再无聊地吹捧了,一起来动手实现 MAE(Masked Autoencoders Are Sca ...
- 【读点论文】Masked Autoencoders Are Scalable Vision Learners 完型填空应用到视觉处理上
Masked Autoencoders Are Scalable Vision Learners 本文表明,掩蔽自动编码器(MAE)是计算机视觉的可扩展自监督学习器. 本文的MAE方法很简单:通过屏蔽 ...
- MAE 论文《Masked Autoencoders Are Scalable Vision Learners》
<Masked Autoencoders Are Scalable Vision Learners>带掩码的自编码器是一个可拓展的视觉学习器,听名字就明白一二,应该是在编码器部分加上了 m ...
- (七十六):Masked Autoencoders Are Scalable Vision Learners
(七十六):Masked Autoencoders Are Scalable Vision Learners Abstract 1. Introduction 2. Related Work 3. M ...
- Masked Autoencoders Are Scalable Vision Learners(MAE)
VIT论文解读:Vision Transformer(ViT)_NLP_wendi的博客-CSDN博客 论文链接:Masked Autoencoders Are Scalable Vision Lea ...
- 【论文和代码阅读】Masked Autoencoders Are Scalable Learners (MAE)
写在最前面 先贴一下MAE的论文链接 https://arxiv.org/pdf/2111.06377.pdfhttps://arxiv.org/pdf/2111.06377.pdf紧随其后的是代码复 ...
- 论文阅读VideoMAE: Masked Autoencoders are Data-Efficient Learners for Self-Supervised Video Pre-Training
VideoMAE: Masked Autoencoders are Data-Efficient Learners for Self-Supervised Video Pre-Training 文章目 ...
- Kaiming He 论文阅读笔记一——Masked Autoencoders
2022年Kaiming大神又发表了三篇新paper,今天我们阅读其中的Masked Autoencoders Are Scalable Vision Learners以及Masked Autoenc ...
最新文章
- MySql 日志查看与设置
- GPU 2014年4月 性能排名
- 云安全趋势下脚踏实地力拼网络危胁
- CentOS 7下用firewall-cmd
- 翻牌游戏如何打乱牌面java_剑仙登上虎牙封面C位,成为新的牌面,虎牙造星能力真的强...
- LeetCode——Same Tree(判断两棵树是否相同)
- 麦咭早教机器人_【今日吐槽】这句台词有毒!完全忘不了!(机器人免费送)...
- python运行原理_Python线程池及其原理和使用(超级详细)
- 机器学习SVD【二】
- 第一款Micropython图形化编辑器—Python Editor
- 一维数组求平均值c语言编程软件,请问一道c++编程:求一维数组中全部元素的平均值?...
- 操作系统进程间通信简述
- 一文弄懂二叉树三种遍历
- 番禺区天气预报软件测试,天气预报模块测试用例(P707)
- IOUtils使用介绍
- KETTLE、spoon使用
- Oracle 10g安装图解教程
- DPCM差分预测编码
- python中集合的符号_python集合中的操作符有哪些?怎么用?
- 六级,我一定要考好!
热门文章
- 安装 Ubuntu 操作系统步骤教程
- 饥荒海难创建显示专用服务器,饥荒海难控制台使用教程及小技巧_快吧单机游戏...
- Java实现扑克牌程序(数据结构)
- java用下拉框实现出生日期_纯JS实现出生日期[年月日]下拉菜单效果
- 心知天气Android开发,H5 实现天气效果(心知天气插件)
- r语言中which的使用_R语言绘图 | 使用pheatmap快速绘制热图
- [PS业务知识]BCWS、BCWP、ACWP的理解
- Opencv或python中图像与三维数组原理
- 将mybatis打印的Preparing与Parameters转化为可执行sql
- c,c++代码格式规范