MAE论文阅读汇报ppt，组会可参考

Autoencoders, 各种autoencoders的Torch 实现 Autoencoders这个存储库是在中构建Autoencoders的Torch 版本，但是只包含参考代码- 请参考原始博客文章以了解有关Autoencoders的解释。 培训hyperparameters还没有调整。 实现了以下模型：

解压后得到test文件夹，在下面的网址中下载预训练后的模型 https://dl.fbaipublicfiles.com/mae/visualize/mae_visualize_vit_large.pth 将其移动到test/demo中，进入demo文件夹，运行demo.py文件即可

ConvMAE: Masked Convolution Meets Masked Autoencoders 预训练权重

论文:Masked Autoencoders Are Scalable Vision Learners

Semi-supervised Anomaly Detection using AutoEncoders PDF全文翻译，属于缺陷检测的文档，适合于研究目标检测方面的研究者

Semi-supervised Anomaly Detection using AutoEncoders全文英文注解，适合于英文较好的研究者，看英文的文档更有味道一些

量子自动编码器：经典量子（变分）自动编码器的实现

用WiFi指纹进行地点识别使用Autoencoders和神经网络

堆叠式胶囊自动编码器 这段代码是从。 这是堆叠式胶囊自动编码器（SCAE）的Tensorflow实现，在以下论文中进行了介绍： ， ， 和 ， 。 作者：牛津大学牛津机器人学院和统计系的亚当·科西雷克（Adam R. Kosiorek） 电子邮件：adamk（at）robots.ox.ac.uk 网页： : 这项工作是在亚当（Adam）在多伦多的Google Brain实习期间完成的。 关于该项目 如果查看包含对象的自然图像，您将很快看到可以从各种视点捕获同一对象。 胶囊网络经过专门设计，对于视点变化具有较强的鲁棒性，从而使学习数据效率更高，并且可以更好地概括未见的视点。 该项目介绍了一种新颖的胶囊网络无监督版本，称为堆叠式胶囊自动编码器（SCAE）。 与原始胶囊不同，SCAE是带有仿射感知解码器的生成模型。 这迫使编码器学习与视点变化等价的图像表示，并导致MNIST和S