Redian新闻
>
DeepMind最新的GQN有点意思
avatar
s*V
2
Generative Query Network, 对3D物体,通过让model predict在不同视角下的图像来
对抗训练,包含一个representation network和一个 generation network。DM声称可
以训练出一个可以高效表征三维物体为止关系的表象,然后再此之上,甚至可以
predict猜测没有看到的角度的情形。
science 论文:http://science.sciencemag.org/content/360/6394/1204.full
?width=800&height=600&carousel=1
avatar
r*t
3
来跟我们讲解一下?code 没公开吧?
avatar
f*g
4
为什么deep mind这么喜欢发nature, science?把这个方法用在真实场景的数据应该不
难吧?没用真实场景是因为根本没去做这个实验,还是做了不work所以不发出来?
avatar
f*t
5
有评论说这个只是overfitting,没有真正的创新
avatar
l*m
6
投conference不一定中

【在 f*********g 的大作中提到】
: 为什么deep mind这么喜欢发nature, science?把这个方法用在真实场景的数据应该不
: 难吧?没用真实场景是因为根本没去做这个实验,还是做了不work所以不发出来?

avatar
s*V
7
他们的解释是真实环境没有很好的数据集,确实这种任意多角度的数据还真不好找,当
然DM可以自己做,但是成本肯定更高。第一步在虚拟3D环境里面做没啥问题。

【在 f*********g 的大作中提到】
: 为什么deep mind这么喜欢发nature, science?把这个方法用在真实场景的数据应该不
: 难吧?没用真实场景是因为根本没去做这个实验,还是做了不work所以不发出来?

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。