论文中视觉表示的视觉先验的正式实现提高了学习视觉运动策略的泛化和样本效率。2018年Arxiv预印本。
midlevel-perception的Python项目详细描述
视觉优先
#简介 该文件包包含以下代码:
中级可视化表示提高了学习Visuomotor策略的泛化和示例效率。2018年Arxiv/2019年4月。亚历山大·萨克斯,杰弗里·O·张,布拉德利·埃米,阿米尔·R·扎米尔,西尔维奥·萨瓦雷斯,列奥尼达斯·吉巴斯,吉滕德拉·马利克。在
- 有关更完整的描述、有用的结果和演示,以及更多信息,请访问网站[http://perceptual.actor](http://perceptual.actor)。在
- 有关此包中的代码,请参见[https://github.com/alexsax/midlevel-reps/tree/visualpriors](https://github.com/alexsax/midlevel-reps/tree/visualpriors)。在
- 关于论文中的完整代码,dockers要复制实验等等,请参见[https://github.com/alexsax/midlevel-reps](https://github.com/alexsax/midlevel-reps)。在
引文 如果您发现此存储库或工具箱有用,请引用: ` @inproceedings{midLevelReps2018, title={Mid-Level Visual Representations Improve Generalization and Sample Efficiency for Learning Visuomotor Policies.}, author={Alexander Sax and Jeffrey O. Zhang and Bradley Emi and Amir R. Zamir and Leonidas J. Guibas and Silvio Savarese and Jitendra Malik}, year={2018}, } `
- 项目
标签: