机器学习中最常见的方法是监督学习。在监督学习中，我们得到一组标记数据（X，Y），即（特征，标签），我们的任务是学习它们之间的关系。但是这种方法并不总是易于处理，因为训练通常需要大量数据，而标记数百万行数据既耗时又昂贵，这就对许多不同任务的训练模型造成了瓶颈。以这种方式训练的模型通常非常擅长手头的任务，但不能很好地推广到相关但是非相同领域内的任务。因为网络只专注于学习 X 的良好表示以生成之间的直接

图像增强是图像模式识别中非常重要的图像预处理过程。图像增强的目的是通过对图像中的信息进行处理，使得有利于模式识别的信息得到增强，不利于模式识别的信息被抑制，为图像的信息提取及其识别奠定良好的基础。图像增强按实现方法不同可分为点增强、空域增强和频域增强。

与传统的MLP架构截然不同，且能用更少的参数在数学、物理问题上取得更高精度。比如，200个参数的KANs，就能复现DeepMind用30万参数的MLPs发现数学定理研究。不仅准确性更高，并且还发现了新的公式。要知道后者可是登上Nature封面的研究啊~在函数拟合、偏微分方程求解，甚至处理凝聚态物理方面的任务都比MLP效果要好。而在大模型问题的解决上，KAN天然就能规避掉灾难性遗忘问题，并且注入人类

计算机视觉主要问题有图像分类、目标检测和图像分割等。针对图像分类任务，提升准确率的方法路线有两条，一个是模型的修改，另一个是各种数据处理和训练的技巧(tricks图像分类中的各种技巧对于目标检测、图像分割等任务也有很好的作用，因此值得好好总结。本文在精读论文的基础上，总结了图像分类任务的各种tricks如下：WarmupCutoutAdaBoud其他经典的tricks。

在这里，每个单独的分类器的bias都是低的，平均之后bias依然低；Boosting是一族可将弱学习器提升为强学习器的算法.Boosting的每一次抽样的样本分布是不一样的，每一次迭代，都是根据上一次迭代的结果，增加被错误分类的样本的权重。卷积层之后经过激励层，1*1的卷积在前一层的学习表示上添加了非线性激励（ non-linear activation ），提升网络的表达能力，但是也可以这样说：

本篇博客为阅读谷歌最近出品的82页论文《ON THE GENERALIZATION MYSTERY IN DEEP LEARNING》的小小感悟，有兴趣的可以看看原文：github.com/aialgorithm/Blog。

本文提出DepthDark模型，用于解决低光环境下单目深度估计的挑战。通过设计低光数据集生成(LLDG)模块和低光参数高效微调(LLPEFT)策略，该模型有效克服了噪声放大和光度不一致问题。LLDG结合光晕模拟和物理噪声模型生成74,000对高质量训练数据；LLPEFT采用光照引导和多尺度特征融合技术，在几乎不增加参数的情况下显著提升性能。实验表明，DepthDark在nuScenes-Night

本文提出了一种面向嵌入式系统的自监督单目深度估计方法BoRe-Depth，旨在解决轻量化模型深度估计中边界模糊的问题。该方法采用创新的增强特征自适应融合模块(EFAF)和两阶段训练策略：第一阶段通过视图重建损失和边界对齐损失进行初步训练，第二阶段引入语义信息损失优化边界细节。实验表明，在NYUv2和KITTI等数据集上，BoRe-Depth仅用8.7M参数即达到SOTA性能，特别是在边界质量指标上

影石Insta360联合多所高校推出全景深度估计基础模型DAP，通过构建200万张全景图数据集和渐进式三阶段训练方法，有效解决了数据稀缺和泛化难题。该模型采用DINOv3-Large作为骨干网络，结合几何感知优化策略，在多个基准测试中展现出优异的零样本性能。DAP不仅能精准处理真实拍摄的全景图像，对AIGC生成的艺术风格图像也表现出良好适应性，为全景深度估计提供了新的研究思路和实践路径。相关代码和

最近，文生图（Text-to-Image）模型的进化速度让人惊叹，它们在视觉内容创作领域掀起了一场革命。像Nano Banana Pro这样的商业产品（），更是吸引了无数眼球。不过，大家普遍关心的是，这个有着谷歌旗舰血统的强大模型除了能“画画”，能不能也作为一种通用的解决方案，去解决那些传统的、更基础的计算机视觉问题，比如图像去噪、超分辨率等？今天我们要解读的这篇技术报告，就深入探讨了这个关键问题