本文介绍了一种重建 4D 时间连续场景模型的方法,该方法使用多个移动相机进行重建,可以重建动态或静态物体,同时将稀疏 - 稠密时序对应与联合多视角分割和重建结合使用,利用时间上的连续性克服了视觉歧义,并通过引入测地线星凸性的约束实现了具有鲁棒性的动态物体分割和重建。
Mar, 2016
本研究利用来自训练图像的字典作为先验进行断层扫描重建,并使用张量表示和稀疏约束来解决字典学习和重建问题。结果表明,我们的张量表示方法可以得到非常稀疏的表示,同时能够紧凑地表示重复的特征。
Jun, 2015
本文提出了一种新的稀疏表示模型,该模型采用共享字典和多个类别判定函数来描述不同类别的信号,并提出了学习该模型所有组件的优化方法,进一步提高了手写数字和纹理分类任务的准确性。
Sep, 2008
本文介绍了如何利用研究超对称张量在字典学习和稀疏编码中的应用,将其近似为来自学习字典的对称半正定矩阵成的稀疏锥组合。此方法可以更好地聚合高维数据,在一些计算机视觉任务上展现了优越表现。
Sep, 2015
使用视频自监督和模板形变技术来实现单目 3D 重建并且进行数值优化,以便使计算得出的模型更加准确和具有解释性。
Mar, 2021
本文探讨用长短期记忆网络作为数据驱动模型来解决多观测向量压缩感知问题的方法,可以通过计算每个向量的非零条目的条件概率,使得解码器重构出稀疏向量。在两个真实数据集上的广泛实验表明,本文提出的方法显著优于传统方法,而且不增加压缩感知编码器的任何复杂性。
Aug, 2015
本文介绍基于分离结构的字典学习方法,使得学习过程中可以处理更大的图像块,并且字典在重建任务中被有效地应用。
Mar, 2013
字典学习方法在解决复杂的反问题方面不断受到关注。本文提出了一种工作流程来简化字典匹配过程,通过压缩字典和利用贝叶斯框架处理建模误差,以及使用组稀疏编码方法来识别不相关的子字典,然后通过稀疏编码解决匹配问题。证明了字典压缩误差的补偿和使用组稀疏编码方法对原始字典进行缩小的有效性,通过应用到 LIGO 实验和高光谱遥感中的故障检测问题来进行说明。
Sep, 2023
本篇论文介绍了一种基于深度学习和连续变换函数的方法进行 4D 形状重建,使用一个鲁棒的时空形状表征方法来视觉化地表达这些形状并通过动力学模型对其进行建模,实现了四维人体重建。
文章提出了一个基于稀疏表示和压缩感知的超分辨率框架,用于在侦察和监视应用中对可扩展视频进行处理,实验结果表明,该框架具有更高的压缩率和更高的视频质量,是一种有效的压缩率更高、图像质量更优的视频处理算法。
Jul, 2017