李宏毅老师的关于Actor-Critic算法的课程笔记

从一张2D图像恢复出3D模型。这是计算机视觉领域长期存在的难题。不仅要重建图像中可见的部分（visible parts），还要“想象（hallucinate）”出不可见的部分（如背面、被遮挡区域）。由于单图信息不足，这个问题是ill-posed（病态问题），即：存在多种合理的3D解释（比如一个杯子背面可能有把手，也可能没有），没有唯一解，难以判断哪个是对的。人类可以凭借对3D世界的先验知识（如“椅

1、U-netU-Net是一篇基本结构非常好的论文，主要是针对生物医学图片的分割。这种“对称”的结构也是神经网络中比较少见的，但如果把整个网络拉直，这样就和其他语义分割网络类似了。2、特点介绍首先，我们先来看一下U-Net的整体结构，可以看到，它并不是完全对称的。UNet原文中提到，输入图像是512x512大小的，那为什么图中第一层的宽高却是572呢？这样做有什么好处？Over-tile策略Une

小白也能看懂的Policy Gradient原理详解，李宏毅老师的课程笔记

小白也能看懂的基于Value-Based强化学习方法，李宏毅老师的课程笔记

小白也能看懂的强化学习简介+Policy-Based方法讲解-李宏毅老师课程笔记

终于把VAE搞懂了

ICCV2023最佳论文：ControlNet。精读论文，理解背后的原理。

最近训练了在搞公司项目的时候，训练了一个大头玩具的LoRA，其中发现了不少有意思的现象。记录的同时，顺便分享给大家。

计算机视觉的圣经ResNet！