李宏毅老师关于Q-Learning课程的知识点汇总

这篇文章的标题比较有意思，用谐音梗的方式起了个标题Zero-123。Zero指Zero-Shot，这个词出现很早，是还在小模型时代，模型训练比较依赖数据集的质量/数量。通常需要大量的数据去喂模型，让它在不同场景有泛化性。与此相关的是One-Shot，是指只需要一张图就可以完成模型的训练，Zero-Shot就是类似人脑一样，一张图都不用就知道这个任务怎么做。Zero-Shot在各种任务都是有出现的，

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。