Jun, 2013

使用生成概率图形程序的近似贝叶斯图像解释

PDF
TL;DR这篇论文介绍了一个基于概率编程和计算机图形学的方法来解决计算机视觉中的图形逆问题，提出了一种简洁的概率图形程序来定义灵活的生成模型，并自动反演真实世界图像以诠释它们。
computer visiongenerative modelsprobabilistic programmingapproximate bayesian computationimage interpretation
发现论文，激发创造
  • 知情采样器：生成计算机视觉模型中的贝叶斯推断的判别方法

    该论文讨论了计算机视觉中生成模型的局限性，提出利用现有的判别式或启发式计算机视觉方法的原则性方法，在具有渲染程序组件的挑战性生成模型上进行实验，并集中研究反转现有图形渲染引擎的问题。

    Feb, 2014

  • 利用贝叶斯神经网络进行面部图像分析的知情 MCMC

    本文研究了利用贝叶斯神经网络提高计算机视觉中后验分布采样的效率，从而减少进行面部图像分析所需样本数量。

    Nov, 2018

  • 图形生成对抗网络

    提出了一种名为 Graphical Generative Adversarial Networks（Graphical-GAN）的模型，结合了贝叶斯网络和生成性对抗网络的能力来建模结构化数据。引入了一个结构化的识别模型来推断给定观测值的潜在变量的后验分布，并将期望传播（EP）算法广义化，以同时学习生成模型和识别模型。最后，提出了两个 Graphical-GAN 的重要实例，即高斯混合 GAN（GMGAN）和状态空间 GAN（SSGAN），可分别成功学习视觉数据集的离散和时间结构。

    Apr, 2018

  • 贝叶斯程序合并法诱导概率程序

    利用概率性编程语言，通过合并一般性表达，找到复杂问题的规律，从而进行表示与处理。

    Oct, 2011

  • 通过区分概率程序设计感知难题

    使用可微分的概率编程语言，基于概率模型生成对人类视觉感知颜色恒定性、大小恒定性和面部识别的新视觉错觉。

    Apr, 2022

  • 贝叶斯合成概率编程自动数据建模

    使用贝叶斯综合技术，通过概率领域专用数据建模语言自动生成概率计算程序进行数据分析、解释和预测，并应用于时间序列数据和多元表格数据的分析，结果表明该技术可以准确推断多个真实世界数据的定性结构，优于标准的数据分析方法。

    Jul, 2019

  • 从手绘图像中学习推断图形程序

    通过使用深度学习和程序合成技术将手绘图转化为 LaTeX 计算机图形程序的模型，包括提议可行的绘制基元的卷积神经网络和使用程序综合技术从跟踪中恢复计算机图形程序的模型。

    Jul, 2017

  • 结合生成和判别模型的混合推理

    提出一个新的混合模型，该模型将图推断与学习逆模型相结合，用于 Kalman 滤波器并通过交叉验证来平衡图推断和学习推断的工作量，实验表明，该模型可以比独立运行的学习或图推断更准确地估计失真的 Lorenz 吸引子的轨迹。

    Jun, 2019

  • 概率编程中的自动变分推断

    本研究提出了一种新算法，基于随机梯度的变分程序来进行概率编程中的近似推理，特别适用于高度结构化的分布。我们展示了如何自动推导平均场概率程序并优化它们，并证明我们的方法比其他算法提高了推理效率。

    Jan, 2013

  • 朝向验证的概率规划随机变分推断

    本文分析了得分估计器作为最基础和多功能的变分推理算法，并利用语义学和程序分析中的工具来阐述这个算法在程序中的作用，揭示出算法所做假设的内在局限性，提出了证明这些假设的规则，并用非平凡的连续数学事实来代替假设中的积分要求，最终发展了一种运用静态程序分析来满足假设条件的方法，并应用于 Pyro 中的八个代表性模型中，表明这种方法是可行的。

    Jul, 2019