Papers in 100 Lines of Code

Documents en 100 lignes de code

Implémentation d'articles dans 100 lignes de code.

Documents mis en œuvre

[Réseaux Maxout]

• Réseaux maxout [arXiv]
• Ian J. Goodfellow, David Warde-Farley, Mehdi Mirza, Aaron Courville, Yoshua Bengio
• 2013-02-18

[Réseau dans le réseau]

• Réseau dans le réseau [arXiv]
• Min Lin, Qiang Chen, Shuicheng Yan
• 2013-12-13

[Jouer à Atari avec un apprentissage en renforcement profond]

• Jouer à Atari avec un apprentissage en renforcement profond [Arxiv]
• Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller
• 2013-12-19

[Bayes variationnel en codage]

• Bayes variationnel en codage automatique [Arxiv]
• Diederik P Kingma, Max Welling
• 2013-12-20

[Réseaux adversaires génératifs]

• Réseaux adversaires génératifs [ARXIV]
• Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio
• 2014-06-10

[NETS adversaires générateurs conditionnels]

• NETS adversaires générateurs conditionnels [arXiv]
• Mehdi Mirza, Simon Osindero
• 2014-11-06

[Adam: une méthode d'optimisation stochastique]

• Adam: une méthode d'optimisation stochastique [arXiv]
• Diederik P. Kingma, Jimmy BA
• 2014-12-22

[Nice: Estimation des composants indépendants non linéaires]

• Nice: Estimation des composants indépendants non linéaires [ARXIV]
• Laurent Dinh, David Krueger, Yoshua Bengio
• 2014-10-30

[Contrôle au niveau de l'homme par l'apprentissage en renforcement profond]

• Contrôle au niveau de l'homme par l'apprentissage en renforcement profond [Nature]
• Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Andrei A. Rusu, Joel Veness, Marc G. Bellemare, Alex Graves, Martin Riedmiller, Andreas K. Fidjeland, Georg Ostrovski, Stig Petersen, Charles Beattie, Amir sadik, Daannis Antonoglou, Helen King, Dhars Wierstra, Shane Legg & Demis Hassabis
• 2015-02-25

[Apprentissage non supervisé profond utilisant une thermodynamique non équilibrée]

• Apprentissage non supervisé profond utilisant une thermodynamique non équilibrée [ARXIV]
• Jascha Sohl-Dickstein, Eric A. Weiss, Niru Maheswaranathan, Surya Ganguli
• 2015-03-12

[Inférence variationnelle avec les flux de normalisation]

• Inférence variationnelle avec les flux de normalisation [arXiv]
• Danilo Jimenez Rezende, Shakir Mohamed
• 2015-05-21

[Apprentissage en renforcement profond avec double Q-Learning]

• Apprentissage en renforcement profond avec double Q-Learning [arXiv]
• Hado van Hasselt, Arthur Guez, David Silver
• 2015-09-22

[Représentation non supervisée Apprentissage avec des réseaux adversaires génératifs convolutionnels profonds]

• Réseaux adversaires génératifs convolutionnels [ARXIV]
• Alec Radford, Luke Metz, Soumith Chintala
• 2015-11-19

[Apprentissage en réseau profond rapide et précis par des unités linéaires exponentives (ELUS)]

• Apprentissage en réseau profond rapide et précis par des unités linéaires exponentives (ELUS) [ARXIV]
• Djork-arné Cleverver, Thomas Unterhiner, Sepp Hochreiter
• 2015-11-23

[Inférence apprise adversarialement]

• Inférence apprise adversarialement [arXiv]
• Vincent Dumoulin, Ishmael Belghazi, Ben Poole, Olivier Mastropietro, Alex Lamb, Martin Arjovsky, Aaron Courville
• 2016-06-02

[Techniques améliorées pour la formation des Gans]

• Techniques améliorées pour la formation de Gans [Arxiv]
• Tim Salimans, Ian Goodfellow, Wojciech Zaremba, Vicki Cheung, Alec Radford, Xi Chen
• 2016-06-10

[Unités linéaires d'erreur gaussienne (Gelus)]

• Unités linéaires d'erreur gaussienne (Gelus) [Arxiv]
• Dan Hendrycks, Kevin Gimpel
• 2016-06-27

[Les moindres réseaux adversaires génératifs]

• Les réseaux adversaires génératifs des moindres carrés [ARXIV]
• Xudong Mao, Qing Li, Haoran Xie, Raymond Yk Lau, Zhen Wang, Stephen Paul Smolley
• 2016-11-13

[Traduction d'image à l'image avec des réseaux contradictoires conditionnels]

• Traduction d'image à l'image avec des réseaux contradictoires conditionnels [ARXIV]
• Phillip Isola, Jun-Yan Zhu, Tinghui Zhou, Alexei A. Efros
• 2016-11-21

[Wasserstein Gan]

• Wasserstein Gan [Arxiv]
• Martin Arjovsky, Soumith Chintala, Léon Bottou
• 2017-01-26

[Méta-apprentissage d'agnostique modèle pour une adaptation rapide des réseaux profonds]

• Méta-apprentissage de modèle-agnostique pour l'adaptation rapide des réseaux profonds [ArXIV]
• Chelsea Finn, Pieter Abbeel, Sergey Levine
• 2017-03-09

[Traduction d'image à image non appariée à l'aide de réseaux contradictoires compatibles avec le cycle]

• Traduction d'image à image non appariée à l'aide de réseaux adversaires consistents par cycle [ARXIV]
• Jun-Yan Zhu, Taesung Park, Phillip Isola, Alexei A. Efros
• 2017-03-30

[Amélioration de la formation des gans Wasserstein]

• Amélioration de la formation de Wasserstein Gans [Arxiv]
• Ishaan Gulrajani, Faruk Ahmed, Martin Arjovsky, Vincent Dumoulin, Aaron Courville
• 2017-03-31

[Apprentissage des fonctionnalités contradictoires]

• Apprentissage des fonctionnalités contradictoires [Arxiv]
• Jeff Donahue, Philipp Krähenbühl, Trevor Darrell
• 2017-04-03

[Les réseaux de neurones auto-normalisés]

• Réseaux de neurones auto-normalisés [Arxiv]
• Günter Klambauer, Thomas Unterhiner, Andreas Mayr, Sepp Hochreiter
• 2017-06-08

[Algorithmes d'optimisation de la stratégie proximale]

• Algorithmes d'optimisation de la politique proximale [ARXIV]
• John Schulman, Filip Wolski, Prafulla Dhariwal, Alec Radford, Oleg Klimov
• 2017-08-28

[Image profonde avant]

• Image profonde antérieure [arXiv]
• Dmitry Ulyanov, Andrea Vedaldi, Victor Lempitsky
• 2017-11-29

[Sur les algorithmes de méta-apprentissage du premier ordre]

• Sur les algorithmes de méta-apprentissage du premier ordre [ArXIV]
• Alex Nichol, Joshua Achiam, John Schulman
• 2018-03-08

[Vraisemblance neuronale séquentielle]

• Séprédité neuronale séquentielle: inférence sans vraisemblance sans vraisemblance avec les flux autorégressifs [arXiv]
• George Papamakarios, David C. Sterratt, Iain Murray
• 2018-05-18

[Sur la variance du taux d'apprentissage adaptatif et au-delà]

• Sur la variance du taux d'apprentissage adaptatif et au-delà de [Arxiv]
• Liyuan Liu, Haoming Jiang, Pengcheng He, Weizhu Chen, Xiaodong Liu, Jianfeng Gao, Jiawei Han
• 2019-08-08

[Optimisation de millions d'hyperparamètres par différenciation implicite]

• Optimiser des millions d'hyperparamètres par différenciation implicite [PMLR]
• Jonathan Lorraine, Paul Vicol, David Duvenaud
• 2019-10-06

[Représentations neuronales implicites avec des fonctions d'activation périodiques]

• Représentations neuronales implicites avec des fonctions d'activation périodiques [ARXIV]
• Vincent Sitzmann, Julien NP Martel, Alexander W. Bergman, David B. Lindell, Gordon Wetzstein
• 2020-06-17

[Les fonctionnalités de Fourier permettent aux réseaux d'apprendre des fonctions de haute fréquence dans des domaines de faible dimension]

• Les fonctionnalités de Fourier permettent aux réseaux d'apprendre les fonctions de haute fréquence dans des domaines de faible dimension [arXIV]
• Matthew Tancik, Pratul P. Srinivasan, Ben Mildenhall, Sara Fridovich-Keil, Nithin Raghavan, Utkarsh Singhal, Ravi Ramamoorthi, Jonathan T. Barron, Ren Ng
• 2020-06-18

[Modèles probabilistes de diffusion de déniisation]

• Modèles probabilistes de diffusion de débrassement [ArXIV]
• Jonathan Ho, Ajay Jain, Pieter Abbeel
• 2020-06-19

[MCMC sans vraisemblance avec des estimateurs de ratio approximatifs amortis]

• MCMC sans vraisemblance avec des estimateurs de ratio approximatifs amortis [PMLR]
• Joeri Hermans, Volomir Begy, Gilles Louppe
• 2020-06-26

[NERF: représentant des scènes comme champs de rayonnement neuronal pour la synthèse de la vue]

• NERF: Représentant les scènes comme champs de rayonnement neuronal pour la synthèse de la vue [ArXIV]
• Ben Mildenhall, Pratul P. Srinivasan, Matthew Tancik, Jonathan T. Barron, Ravi Ramamoorthi, Ren Ng
• 2020-08-03

[Réseaux de filtres multiplicatifs]

• Réseaux de filtre multiplicatifs [OpenReview]
• Rizal Fathony, Anit Kumar Sahu, Devin Willmott, J Zico Kolter
• 2020-09-28

[Appris initialisations pour optimiser les représentations neuronales basées sur les coordonnées]

• Les initialisations apprises pour optimiser les représentations neuronales basées sur les coordonnées [ARXIV]
• Matthew Tancik, Ben Mildenhall, Terrance Wang, Divi Schmidt, Pratul P. Srinivasan, Jonathan T. Barron, Ren Ng
• 2020-12-03

[Fastnerf: rendu neuronal haute fidélité à 200 images par seconde]

• Fastnerf: rendu neuronal haute fidélité à 200 images par seconde [arxiv]
• Stephan J. Garbin, Marek Kowalski, Matthew Johnson, Jamie Shotton, Julien Valentin
• 2021-03-18

[Kilonerf: accélérer les champs de rayonnement neuronal avec des milliers de minuscules MLP]

• Kilonerf: accélérer les champs de rayonnement neuronal avec des milliers de minuscules MLP [Arxiv]
• Christian Reiser, Songyou Peng, Yiyi Liao, Andreas Geiger
• 2021-03-25

[Plénoctrets pour le rendu en temps réel des champs de radiance neuronale]

• Plénoctret pour le rendu en temps réel des champs de rayonnement neuronal [Arxiv]
• Alex Yu, Ruilong Li, Matthew Tancik, Hao Li, Ren Ng, Angjoo Kanazawa
• 2021-03-25

[Nerf--: champs de rayonnement neuronal sans paramètres de caméra connus]

• Nerf--: champs de rayonnement neuronal sans paramètres de caméra connus [arXiv]
• Zirui Wang, Shangzhe Wu, Weidi Xie, Min Chen, Victor Adrian Prisacariu
• 2021-02-14

[Gromov-Wasserstein Distances entre les distributions gaussiennes]

• GROMOV-WASSERSTEIN DISTANCES ENTRE DISTRIBUTIONS GAUSSIES [ARXIV]
• Antoine Salmona, Julie Delon, Agnès Desolneux
• 2021-08-16

[Plénoxels: champs de rayonnement sans réseaux de neurones]

• Plénoxels: champs de radiance sans réseaux de neurones [arxiv]
• Alex Yu, Sara Fridovich-Keil, Matthew Tancik, Qinhong Chen, Benjamin Recht, Angjoo Kanazawa
• 2021-12-09

[Infonerf: minimisation de l'entropie des rayons pour le rendu de volume neuronal à quelques coups]

• Infonerf: Minimisation de l'entropie des rayons pour le rendu de volume neuronal à quelques coups [ArXIV]
• Mijeong Kim, Seonguk SEO, Bohyung Han
• 2021-12-31

[Primitives de graphiques neuronaux instantanés avec un codage de hachage multirérusolution]

• Primitives graphiques neuronales instantanées avec un codage de hachage multirérusolution [ArXIV]
• Thomas Müller, Alex Evans, Christoph Schied, Alexander Keller
• 2022-01-16

[Flux droit et rapide: apprendre à générer et transférer des données avec un flux rectifié]

• Flux droit et rapide: apprendre à générer et transférer des données avec un flux rectifié [arXiv]
• Xingchao Liu, Chengyue Gong, Qiang Liu
• 2022-09-07

[K-planes: champs de radiance explicites dans l'espace, le temps et l'apparence]

• Planes K: champs de radiance explicites dans l'espace, le temps et l'apparence [arxiv]
• Sara Fridovich-Keil, Giacomo Mediedi, Frederik Warburg, Benjamin Recht, Angjoo Kanazawa
• 2023-01-24

[Freenerf: Amélioration du rendu neuronal à quelques coups avec régularisation en fréquence libre]

• Freenerf: Amélioration du rendu neuronal à quelques coups avec régularisation en fréquence libre [ArXIV]
• Jiawei Yang, Marco Pavone, Yue Wang
• 2023-03-13