杰森·拉马普拉姆
人员信息
优化列表
![笔记](https://dblp.uni-trier.de/img/note-mark.dark.12x12.png)
2020年–今天
2024 [i20] 什达尼阿米蒂斯 , 德文·赫杰姆 , 杰森·拉马普拉姆 , 拉斯·韦伯 , Eeshan Gunesh Dhekane公司 , 丹·布斯布里奇 :
多视角对比学习。 CoRR公司 abs/2403.05490 ( 2024 ) 2023 [第13条] 博尔贾·罗德里格斯·加尔维斯 , 阿诺·布拉斯 , 保罗·罗德里格斯 , 亚当·戈林斯基 , 泽维尔·苏奥 , 杰森·拉马普拉姆 , 丹·巴斯布里奇 , 卢卡·扎佩拉 :
熵和重构在多视角自我监督学习中的作用。 ICML公司 2023 : 29143-29160 [第12条] 泽维尔·苏奥 , 费德里科·达涅利 , T.安德森·凯勒 , 阿诺·布拉斯 , 陈晃 , 杰森·拉马普拉姆 , 丹·布斯布里奇 , 卢卡·扎佩拉 :
DUET:二维结构和近似等变表示。 ICML公司 2023 : 32749-32769 [第11条] 双飞寨 , 塔蒂亚娜·利霍马连科 , 埃泰·利特温 , 丹·布斯布里奇 , 杰森·拉马普拉姆 , 张一哲 , 顾嘉涛 , 约书亚·M·苏斯金 :
通过防止注意力熵崩溃稳定变压器训练。 ICML公司 2023 : 40770-40803 [第10条] 丹·布斯布里奇 , 杰森·拉马普拉姆 , 皮埃尔·阿布林 , 塔蒂亚娜·利霍马连科 , Eeshan Gunesh Dhekane公司 , Xavier Suau Cuadros公司 , 罗素·韦伯 :
如何衡量EMA。 NeurIPS公司 2023 [i19] 双飞寨 , 塔蒂亚娜·利霍马连科 , 埃泰·利特温 , 丹·布斯布里奇 , 杰森·拉马普拉姆 , 张一哲 , 顾嘉涛 , 约书亚·M·苏斯金 :
通过防止注意力熵崩溃稳定变压器训练。 CoRR公司 abs/2303.06296 ( 2023 ) [i18] 泽维尔·苏奥 , 费德里科·达涅利 , T.安德森·凯勒 , 阿诺·布拉斯 , 陈晃 , 杰森·拉马普拉姆 , 丹·布斯布里奇 , 卢卡·扎佩拉 :
DUET:二维结构和近似等变表示。 CoRR公司 abs/2306.16058 ( 2023 ) [i17] 博尔贾·罗德里格斯·加尔维斯 , 阿诺·布拉斯 , 保罗·罗德里格斯 , 亚当·戈林斯基 , 泽维尔·苏奥 , 杰森·拉马普拉姆 , 丹·布斯布里奇 , 卢卡·扎佩拉 :
熵和重构在多视角自我监督学习中的作用。 CoRR公司 abs/2307.10907 ( 2023 ) [i16] 丹·巴斯布里奇 , 杰森·拉马普拉姆 , 皮埃尔·阿布林 , 塔蒂亚娜·利霍马连科 , Eeshan Gunesh Dhekane公司 , 泽维尔·苏奥 , 拉斯·韦伯 :
如何衡量EMA。 CoRR公司 abs/2307.13813 ( 2023 ) 【i15】 波琳娜·图里什切娃 , 杰森·拉马普拉姆 , 西内德·威廉姆森 , 丹·布斯布里奇 , Eeshan Gunesh Dhekane公司 , 拉斯·韦伯 :
引导您自己的差异。 CoRR公司 abs/2312.03213 ( 2023 ) 2022 【c9】 双飞寨 , 纳维德普·贾特利 , 杰森·拉马普拉姆 , 丹·布斯布里奇 , 塔蒂亚娜·利霍马连科 , Joseph Y.Cheng先生 , 沃尔特·塔尔博特 , 陈晃 , 吴汉林(Hanlin Goh) , 约书亚·M·苏斯金 :
位置预测是一种有效的预训练策略。 ICML公司 2022 : 26010-26027 [第14条] 双飞寨 , 纳维德普·贾特利 , 杰森·拉马普拉姆 , 丹·布斯布里奇 , 塔蒂亚娜·利霍马连科 , 约瑟夫·伊坦·程 , 沃尔特·塔尔博特 , 陈晃 , 吴汉林(Hanlin Goh) , 约书亚·M·苏斯金 :
位置预测是一种有效的预训练策略。 CoRR公司 abs/2207.07611 ( 2022 ) [i13] 安德烈乌斯·奥维萨纳斯 , 杰森·拉马普拉姆 , 丹·布斯布里奇 , Eeshan Gunesh Dhekane公司 , 拉斯·韦伯 :
弹性权重合并提高了转移下自我监督学习方法的鲁棒性。 CoRR公司 腹肌/2210.16365 ( 2022 ) 2021 【b1】 杰森·拉马普拉姆 :
在虚空中寻找信号:通过数据中的监督信号改进深层潜在变量生成模型。 瑞士日内瓦大学, 2021 【c8】 阿诺·布拉斯 , 泽维尔·苏奥 , 杰森·拉马普拉姆 , 尼古拉斯·阿波斯托洛夫 , 卢卡·扎佩拉 :
对手图像增强的挑战。 ICBINB@NeurIPS 2021 : 9-14 【c7】 罗伯茨 , 杰森·拉马普拉姆 , 阿努拉·兰扬 , 阿图利特·库马尔 , 米盖尔·安杰尔·鲍蒂斯塔 , 内森·帕克赞 , 拉斯·韦伯 , 约书亚·M·苏斯金 :
Hypersim:用于理解整体室内场景的照片级合成数据集。 ICCV公司 2021 : 10892-10902 【c6】 杰森·拉马普拉姆 , 吴彦(Yan Wu) , 亚历山大·卡卢西斯 :
Kanerva++:使用不同的、本地块分配的潜在内存扩展Kanerva机器。 ICLR公司 2021 [i12] 杰森·拉马普拉姆 , 吴彦(Yan Wu) , 亚历山大·卡卢西斯 :
Kanerva++:用可微的、本地块分配的潜在内存扩展Kanerva机器。 CoRR公司 腹肌/2103.03905 ( 2021 ) [i11] 汤姆·乔治·格里格 , 丹·布斯布里奇 , 杰森·拉马普拉姆 , 拉斯·韦伯 :
自我监督和监督的方法学习相似的视觉表征吗? CoRR公司 abs/2110.00528 ( 2021 ) [i10] 杰森·拉马普拉姆 , 丹·布斯布里奇 , 拉斯·韦伯 :
评估自我监督学习中微调策略的公平性。 CoRR公司 abs/2110.00538 ( 2021 ) [第九章] 杰森·拉马普拉姆 , 丹·布斯布里奇 , 泽维尔·苏奥 , 拉斯·韦伯 :
随机对比学习。 CoRR公司 abs/2110.00552 ( 2021 ) [i8] 阿诺·布拉斯 , 泽维尔·苏厄 , 杰森·拉马普拉姆 , 尼古拉斯·阿波斯托洛夫 , 卢卡·扎佩拉 :
对手图像增强的挑战。 CoRR公司 abs/2111.12427 ( 2021 ) 2020 [j1] 杰森·拉马普拉姆 , 马格达·格雷戈洛娃 , 亚历山大·卡卢西斯 :
终身生成建模。 神经计算 404 : 381-400 ( 2020 ) 【c5】 杰森·拉马普拉姆 , 拉斯·韦伯 :
用可微近似桥改进离散隐式表示。 国际JCNN 2020 : 1-10 【c4】 Jean-Baptiste Alayrac公司 , AdriàRecasens公司 , 罗莎莉亚·施耐德 , Relja Arandjelovic公司 , 杰森·拉马普拉姆 , 杰弗里·德福尔 , 卢卡斯·斯迈拉 , 桑德·迪尔曼 , 安德鲁·齐瑟曼 :
自我监督的多模通用网络。 NeurIPS公司 2020 [i7] Jean-Baptiste Alayrac公司 , AdriàRecasens公司 , 罗莎莉亚·施奈德 , Relja Arandjelovic公司 , 杰森·拉马普拉姆 , 杰弗里·德·福 , 卢卡斯·斯迈拉 , 桑德·迪尔曼 , 安德鲁·齐瑟曼 :
自我监督的多模通用网络。 CoRR公司 abs/2006.16228 ( 2020 )
2010 – 2019
2019 【c3】 杰森·拉马普拉姆 , 毛里斯·迪福伊斯 , 弗兰茨卡·拉夫达 , 拉斯·韦伯 , 亚历山大·卡卢西斯 :
变分级联:大分辨率图像的有效推断。 BMVC公司 2019 : 119 [i6] 杰森·拉马普拉姆 , 拉斯·韦伯 :
含有不可微函数的训练网络的可微逼近桥。 CoRR公司 abs/1905.03658 ( 2019 ) 2018 【c2】 杰森·拉马普拉姆 , 拉斯·韦伯 :
改进弱监督学习的新基准和进展。 BMVC公司 2018 : 265 【c1】 马格达·格雷戈洛娃 , 杰森·拉马普拉姆 , 亚历山德罗斯·卡卢西斯 , 圣埃芬·马尔坎德·梅利特 :
基于核随机特征的大尺度非线性变量选择。 ECML/PKDD(2) 2018 : 177-192 [i5] 马格达·格雷戈洛娃 , 杰森·拉马普拉姆 , 亚历山大·卡卢西斯 , 圣埃芬·马尔坎德·梅利特 :
基于核随机特征的大规模非线性变量选择。 CoRR公司 abs/1804.07169 ( 2018 ) [i4] 杰森·拉马普拉姆 , 拉斯·韦伯 :
改进弱监督学习的新基准和进展。 CoRR公司 abs/1807.00126 ( 2018 ) [i3] 弗兰茨卡·拉夫达 , 杰森·拉马普拉姆 , 马格达·格雷戈洛娃 , 亚历山大·卡卢西斯 :
使用生成模型的连续分类学习。 CoRR公司 abs/1810.10612 ( 2018 ) [i2] 杰森·拉马普拉姆 , 毛里茨·迪普伊斯 , 拉斯·韦伯 , 亚历山德罗斯·卡卢西斯 :
变分级联:大分辨率图像的有效推断。 CoRR公司 abs/1812.03170 ( 2018 ) 2017 [i1] 杰森·拉马普拉姆 , 马格达·格雷戈洛娃 , 亚历山大·卡卢西斯 :
终身生成建模。 CoRR公司 abs/1705.09847 ( 2017 )
合著者索引
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)