A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z | AA | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | ID | Topic | Paper Title | Link | |||||||||||||||||||||||
2 | 1 | GNNs | Exphormer: Sparse Transformers for Graphs | https://arxiv.org/abs/2303.06147 | |||||||||||||||||||||||
3 | 4 | GNNs | Do Transformers Really Perform Bad for Graph Representation? | https://arxiv.org/abs/2106.05234 | |||||||||||||||||||||||
4 | 5 | GNNs | PlanE: Representation Learning over Planar Graphs | https://arxiv.org/abs/2307.01180 | |||||||||||||||||||||||
5 | 8 | Video Representation Learning | Conditional Object-Centric Learning from Video | https://arxiv.org/abs/2111.12594 | |||||||||||||||||||||||
6 | 9 | Multi-modal Tuning | MaPLe: Multi-modal Prompt Learning | https://arxiv.org/abs/2210.03117 | |||||||||||||||||||||||
7 | 11 | Audio | High-Fidelity Audio Compression with Improved RVQGAN | https://arxiv.org/pdf/2306.06546.pdf | |||||||||||||||||||||||
8 | 13 | Audio | From Discrete Tokens to High-Fidelity Audio Using Multi-Band Diffusion | https://arxiv.org/abs/2308.02560 | |||||||||||||||||||||||
9 | 15 | NLP | pNLP-Mixer: an Efficient all-MLP Architecture for Language | https://arxiv.org/abs/2202.04350 | |||||||||||||||||||||||
10 | 17 | Quantization | TernaryBERT: Distillation-aware Ultra-low Bit BERT | https://arxiv.org/pdf/2009.12812.pdf | |||||||||||||||||||||||
11 | 18 | Quantization | BitNet: Scaling 1-bit Transformers for Large Language Models | https://arxiv.org/pdf/2310.11453.pdf | |||||||||||||||||||||||
12 | 19 | Compression | VARIATIONAL IMAGE COMPRESSION WITH A SCALE HYPERPRIOR | https://arxiv.org/pdf/1802.01436.pdf | |||||||||||||||||||||||
13 | 20 | Compression | Nonlinear Transform Coding | https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=9242247 | |||||||||||||||||||||||
14 | 21 | Compression | AN IMPROVED UPPER BOUND ON THE RATE-DISTORTION FUNCTION OF IMAGES | https://arxiv.org/pdf/2309.02574.pdf | |||||||||||||||||||||||
15 | 22 | Compression | Compressing Images by Encoding Their Latent Representations with Relative Entropy Coding | https://arxiv.org/pdf/2010.01185.pdf | |||||||||||||||||||||||
16 | 23 | Compression | The Unreasonable Effectiveness of Deep Features as a Perceptual Metric | https://arxiv.org/pdf/1801.03924.pdf | |||||||||||||||||||||||
17 | 24 | Compression | PRACTICAL LOSSLESS COMPRESSION WITH LATENT VARIABLES USING BITS BACK CODING | https://arxiv.org/pdf/1901.04866.pdf | |||||||||||||||||||||||
18 | 26 | Compression | Improving Inference for Neural Image Compression | https://proceedings.neurips.cc/paper/2020/file/066f182b787111ed4cb65ed437f0855b-Paper.pdf | |||||||||||||||||||||||
19 | 27 | Representation Learning | Flow Factorized Representation Learning | https://arxiv.org/pdf/2309.13167.pdf | |||||||||||||||||||||||
20 | 29 | Representation Learning | Interventional Causal Representation Learning | https://proceedings.mlr.press/v202/ahuja23a.html | |||||||||||||||||||||||
21 | 30 | Representation Learning | Hiera: A Hierarchical Vision Transformer without the Bells-and-Whistles | https://arxiv.org/abs/2306.00989 | |||||||||||||||||||||||
22 | 31 | Representation Learning | HiViT: A Simpler and More Efficient Design of Hierarchical Vision Transformer | https://openreview.net/forum?id=3F6I-0-57SC | |||||||||||||||||||||||
23 | 32 | Architecture | OptNet: Differentiable Optimization as a Layer in Neural Networks | https://arxiv.org/abs/1703.00443 | |||||||||||||||||||||||
24 | 33 | Architecture | Neural Ordinary Differential Equations | https://proceedings.neurips.cc/paper_files/paper/2018/hash/69386f6bb1dfed68692a24c8686939b9-Abstract.html | |||||||||||||||||||||||
25 | 34 | Optimizer | ADAHESSIAN: An Adaptive Second Order Optimizer for Machine Learning | https://ojs.aaai.org/index.php/AAAI/article/view/17275 | |||||||||||||||||||||||
26 | 37 | RL | Behavior Alignment via Reward Function Optimization | https://arxiv.org/abs/2310.19007 | |||||||||||||||||||||||
27 | 39 | OOD generalization | Fishr: Invariant Gradient Variances for Out-of-Distribution Generalization | https://arxiv.org/abs/2109.02934 | |||||||||||||||||||||||
28 | 40 | General ML | Git Re-Basin: Merging Models modulo Permutation Symmetries | https://arxiv.org/abs/2209.04836 | |||||||||||||||||||||||
29 | 41 | GNNS | WL meet VC | https://arxiv.org/abs/2301.11039 | |||||||||||||||||||||||
30 | 42 | GNNS | Exploring the Power of Graph Neural Networks in Solving Linear Optimization Problems | https://arxiv.org/abs/2310.10603 | |||||||||||||||||||||||
31 | 43 | GNNS | On the Markov Property of Neural Algorithmic Reasoning: Analyses and Methods | https://openreview.net/forum?id=Kn7tWhuetn | |||||||||||||||||||||||
32 | 44 | Normalization | Rethinking "Batch" in BatchNorm | https://arxiv.org/abs/2105.07576 | |||||||||||||||||||||||
33 | 45 | CNNs | A ConvNet for the 2020s | https://arxiv.org/abs/2201.03545 | |||||||||||||||||||||||
34 | |||||||||||||||||||||||||||
35 | |||||||||||||||||||||||||||
36 | |||||||||||||||||||||||||||
37 | |||||||||||||||||||||||||||
38 | |||||||||||||||||||||||||||
39 | |||||||||||||||||||||||||||
40 | |||||||||||||||||||||||||||
41 | |||||||||||||||||||||||||||
42 | |||||||||||||||||||||||||||
43 | |||||||||||||||||||||||||||
44 | |||||||||||||||||||||||||||
45 | |||||||||||||||||||||||||||
46 | |||||||||||||||||||||||||||
47 | |||||||||||||||||||||||||||
48 | |||||||||||||||||||||||||||
49 | |||||||||||||||||||||||||||
50 | |||||||||||||||||||||||||||
51 | |||||||||||||||||||||||||||
52 | |||||||||||||||||||||||||||
53 | |||||||||||||||||||||||||||
54 | |||||||||||||||||||||||||||
55 | |||||||||||||||||||||||||||
56 | |||||||||||||||||||||||||||
57 | |||||||||||||||||||||||||||
58 | |||||||||||||||||||||||||||
59 | |||||||||||||||||||||||||||
60 | |||||||||||||||||||||||||||
61 | |||||||||||||||||||||||||||
62 | |||||||||||||||||||||||||||
63 | |||||||||||||||||||||||||||
64 | |||||||||||||||||||||||||||
65 | |||||||||||||||||||||||||||
66 | |||||||||||||||||||||||||||
67 | |||||||||||||||||||||||||||
68 | |||||||||||||||||||||||||||
69 | |||||||||||||||||||||||||||
70 | |||||||||||||||||||||||||||
71 | |||||||||||||||||||||||||||
72 | |||||||||||||||||||||||||||
73 | |||||||||||||||||||||||||||
74 | |||||||||||||||||||||||||||
75 | |||||||||||||||||||||||||||
76 | |||||||||||||||||||||||||||
77 | |||||||||||||||||||||||||||
78 | |||||||||||||||||||||||||||
79 | |||||||||||||||||||||||||||
80 | |||||||||||||||||||||||||||
81 | |||||||||||||||||||||||||||
82 | |||||||||||||||||||||||||||
83 | |||||||||||||||||||||||||||
84 | |||||||||||||||||||||||||||
85 | |||||||||||||||||||||||||||
86 | |||||||||||||||||||||||||||
87 | |||||||||||||||||||||||||||
88 | |||||||||||||||||||||||||||
89 | |||||||||||||||||||||||||||
90 | |||||||||||||||||||||||||||
91 | |||||||||||||||||||||||||||
92 | |||||||||||||||||||||||||||
93 | |||||||||||||||||||||||||||
94 | |||||||||||||||||||||||||||
95 | |||||||||||||||||||||||||||
96 | |||||||||||||||||||||||||||
97 | |||||||||||||||||||||||||||
98 | |||||||||||||||||||||||||||
99 | |||||||||||||||||||||||||||
100 |