PaperRead

高通AI研究室针对视频任务提出的Skip-Convolution，在计算成本降低3至4倍的同时，几乎没有任何精度下降，思路较为简单，但是实现起来比较复杂。

从频域角度切入，弥补了现有通道注意力方法中特征信息不足的缺点，通过引入更多的频率分量来充分的利用信息。

使用Cycle Gan实现了不同音乐类型的转换，在原有模型的基础上，引入了新的loss提升生成的音乐质量，文末附网络复现仓库，欢迎star。

抛弃循环结构，完全基于注意力的网络——Attention is all you need！！！！！！

让VGG再次伟大，提出了一种简单强大的CNN，其训练时拥有多分支的拓扑结构，推理时使用重参数化技巧，使其拥有VGG类似的plain结构，仅由卷积和ReLU组成，相较于resnet，速度精度均有所提升。