1234567英文名: Self-Supervised Learning from Images with a Joint-Embedding Predictive Architecture中文名: 从图像中进行自监督学习的联合嵌入预测架构地址: http://arxiv.org/pdf/2301.08243v3作者: Mahmoud Assran, Quentin Duval, Ishan Misra, Piotr Bojanowski, Pascal Vincent, Michael Rabbat, Yann LeCun, Nicolas Ballas机构: Meta AI (FAIR)，McGill University，Mila, Quebec AI Institute，New York University日期: 2023-01-19引用次数: 448 摘要 目标: 通过无手工设计的数据增强方法学习具有高度语义性的，并且不需要在下游任务上进行大量微调的图像表示。 方法: 提出了图像基础的联合嵌入预测架构（I-JEPA），一种自监督学习的非生成性方法，核心思想是从单个上下文块 ...

1 编辑工具对比：Toast UI vs. Fabric.js 选对工具可以显著降低开发成本。本次对比的是两个具有代表性的图像处理方案：toast-ui.vue-image-editor 和 fabric.js。一个是高度封装的图片编辑器组件，另一个是灵活自由的 Canvas 图形库，适用场景和使用方式截然不同。 1.1 个人使用体验简述 我在实际项目中分别集成过这两个工具，有感于它们的差异，也踩过不少坑，以下是基于真实使用体验的总结。 1.2 Fabric.js 1.2.1 优点 完全自由、可定制性强，适合打造个性化图形编辑器或交互工具。 丰富的图形 API 支持各种对象的创建与变换。 适合深度控制图层、交互、动画等底层细节。 1.2.2 缺点 版本跨度大，1.x 和 4.x 的 API 差异明显，社区示例常无法直接套用。 不包含图像编辑的 UI，常见功能如亮度、裁剪都需自己搭界面和逻辑。 图像状态（尺寸、缩放、导出像素密度等）需手动管理。 导出图片需特别注意分辨率设置，否则容易失真。 剪切、图层控制底层操作复杂，容易被坐标系统绕晕。 调试成本高，一个简单功能经常需要翻文档、试 ...

材料 煮料：半只大鸡、一个椰子、1L 纯椰子水、500ml 水、适量蔬菜、葱、大枣、盐。 蘸料：香菜、香葱、小米辣、蒜泥、海天海鲜捞汁、小青柠、沙姜。 做法 将所有煮料放入锅中，加入水后大火煮沸，撇去浮沫，再小火煮 30 分钟。蔬菜可视情况加入，类似涮火锅。 注意事项 鸡肉切块并洗净。 建议使用不易煮烂且味道清淡的蔬菜，如荸荠、玉米笋。 海天海鲜捞汁已含果汁及调味料，可以省略小青柠。 煮鸡时少加盐，让汤呈现自然鲜甜，用蘸料调味。

1 实验一 1.1 用料 玉米面 250g 白面 250g 开水 250ml 牛奶 100ml 鸡蛋两个 干酵母 5g 枣：适量 1.2 做法 把 250 开水倒入 250 克玉米面，烫面，然后晾凉 再加入白面、干酵母、鸡蛋、牛奶，和成面团， 放入模具，加枣 放 30-40 度发面 1 小时 凉水上锅，大火，水开后蒸 25-30 分钟 关火后闷 2-3 分钟 1.3 效果 中间有点粘 可能原因： 放了鸡蛋 中间火开小了 太厚 用蛋糕模具不透气 1.4 参考 https://haokan.baidu.com/v?pd=wisenatural&vid=11253467882059041522 2 实验二 2.1 用料 玉米面 100g 白面 100g 牛奶 150ml 干酵母 3g 泡打粉 3g 细砂糖 15g 枣：适量 2.2 做法 面粉、玉米面、泡打粉、糖，酵母混合均匀 将牛奶倒入面粉中，揉成面团 放入模具，30-40 发酵 1 小时，加枣 凉水上锅，大火，水开后蒸 25-30 分钟 关火后闷 2-3 分钟 2.3 效果 相比之前的，中间不粘，原因 ...

山姆小青柠汁 将 100 克小青柠、80 克糖和 1L 水（700ml 水搅打，300ml 加冰）。去核后，用破壁机果汁模式搅打 5 秒（若无破壁机，打碎后需过滤）。 简易小青柠汁 切成两半，用果汁棒捶打：10 个小青柠加 600ml 水。 小青柠红茶 手打小青柠（或香水柠檬）搭配红茶、冰糖和冰块，即成柠檬茶。 说明 饮用时可选择代糖，无热量负担。 参考 感觉山姆再也赚不到我的钱！自制小青柠汁（7分糖版）

1 Openshot 1.1 安装 请避免使用命令行安装软件，建议下载 AppImage 包，以防止旧版本存在的拖动问题。 下载链接：https://www.openshot.org/download/ 目前提供 AppImage 格式，下载后设置为可执行权限即可直接运行。 1.2 调整屏幕大小 1.2.1 问题 对于录屏的视频，有时需要去掉视频中的边框和系统状态栏。 1.2.2 方法 在视频上右键点击，选择属性。 在属性界面左侧进行以下操作： 调整横向和纵向的缩放比例 修改横向和纵向坐标 注意： 不要在添加和编辑标记中设置属性，它只针对具体帧操作而非整个视频。 1.3 剪切和拼接 1.3.1 原理 在制作大型视频时，常常通过组合多个小视频，或者在视频中挖出一小块并用其他视频填充。推荐的方法是先将所需区域剪切成小块并进行处理，而不是直接在原视频上操作。 1.3.2 剪切 导入视频：通过菜单选择“文件”，然后点击“导入文件”。 右键点击视频文件，选择“split file”，在播放到需要剪切的位置时，设定开始和结束时间。 完成剪切后，可以在物料区中可看到生成的小段视频， ...

1 引入 今天和大家分享一个我自己制作的小工具，其中包含我认为非常实用、但在现有工具中找不到的功能。它的核心理念是更好地将自然语言大模型与 Obsidian 结合，同时还能相对节省调用成本。 在 Obsidan 中写文章常常会让大模型帮助修改文字，比如：润色、翻译、改错。 起初，我将需要处理的文本复制粘贴到大模型的聊天界面中，再加上提示词，得到模型的回应后，再将内容粘回到 Obsidian。 大约一年前，我开始使用 Obsidian 的 Text Generator 插件，把常用的提示词写入模板中，在需要的时候选择模板。不过也遇到了一些问题：有些模板需要经常调整，而有些操作并不在现有模板中，也不属于常见问题。每次修改模板非常麻烦，而且模板数量众多，每次定位模板也很容易打断思路。 于是，就想能不能直接输入提示词，并记忆使用过的提示词，并将高频使用和最近使用的提示词排列在最前面。这样一来，无需鼠标操作，只需在键盘上敲击两三个按键，就可以调用大模型了。 进而，想到利用大模型来生成文章的标签和摘要，将文章移动到合适的目录，让大模型帮我们做些事务性工作，也能很好的提升效率，于是把它们整合成一个工 ...

1 总结 有时候会有一些不受控的行为，即使发生了也打断不了内部的重复动作。也许这些只是小事，把小事看得太严重，是否也是一个问题？ 与 4o 讨论到习惯、掌控感、不甘心和一些应对方法，最后聊到如何构建自我，犯错在其中扮演着怎样的角色。 2 精华 控制感错觉：通过“做点什么”，即使是无效的，也能 假装自己掌控了局面。因为比起什么都不做，这至少是个行动。 本质上成瘾不仅仅是“喜欢某件事”，而是 大脑依赖某种方式来缓解焦虑，重建掌控感。 “焦虑”背后一方面是不确定，也可能是这个问题实际上我无法解决，而又面对不了这样的自己？接受不了现实中的自己？ 真正的掌控不是“必须解决它”，而是“知道什么时候该停下来”。 高效的人调整方向，低效的人撞南墙。 每一次“失败”其实都是一次数据更新，帮助你不断调整参数，让自己变得更强。真正的失败是“停止学习”，而不是“做错了什么”。 3 对谈 3.1 强迫症 我：发信息没收到回复，就不停刷新；不停打开股票账户看……有点强迫症的感觉。如果没得到答案，或者没得到想要的答案，就停不下来，这是什么问题？好像这种无法控制和成瘾有点像。 4o：这种行为确实和“强迫性重复”或 ...

总结 与其说高敏感是一种人格特征，不如说是上天赋予你的一种特殊武器，而你可以选择在何时使用它。性格和思维方式可能无法控制，但如果可以分解为注意力和能量，也许就可控。 精华 有时候敏锐，有时候不想理会。 我的感知系统今天开到多少档？ 你是想当个随时满载的“超感知接收站”，还是一个“懂得蓄力的战士”？ 对谈 我：今天想聊高敏感，让我们打开一点思路。 看过一些“高敏感是天赋”这种说法。 大家常常设定所在群体的中值是正常，偏离远的就是异常。如果不对自己也不对别人造成不好的影响，所谓的“异常”也没问题。 可我觉得还是有影响，尤其是对自己。我相对来说是比较敏感，情绪比较强烈的人。也带来一些问题：比如内耗，反应过度…… 可能会把一些小事放大，再加上内归因，会常常调整自己。就好像用小数据量大学习率调模型，很容易调偏了。 4o：你这个类比很精准——高敏感就像是一个学习率过大的模型，对环境反馈特别迅速，但也容易因噪声调整过度，甚至失去稳定性。 从“高敏感是天赋”的角度来看，它确实能让人更细腻地捕捉信息，理解复杂情绪，甚至在创意或决策中看到别人忽略的角度。但问题在于，这种高敏感如果没有良好的“正则化”（ ...