Aug, 2016

基于欧几里得到黎曼度量学习的视频人脸识别

PDF
TL;DR本文提出了一种新的度量学习框架，以学习欧几里得空间和黎曼流形之间的距离度量来融合一个视频中人脸的平均外观和模式变化，该框架可以处理基于视频的人脸识别的三种典型任务：从视频到静态图像、从静态图像到视频和从视频到视频的设置。
riemannian manifoldvideo-based face recognitionmetric learningeuclidean spacepattern variation
发现论文，激发创造
  • 基于流形度量学习的领域自适应统一框架

    通过利用统计流形的曲率黎曼几何，我们提出了一种新的域自适应框架，该框架可以整合标记源域和未标记目标域之间的几何和统计差异，从而实现源到目标的转移。

    Apr, 2018

  • 用 VAEs 学习平坦的潜在流形

    本研究提出了一种基于 Riemannian geometry 的扩展的变分自编码器框架，可以学习平面的潜在流形，通过约束优化问题和使用更具表达力的层次先验代替紧凑先验，使得在保留直线状方法的计算效率的同时，能够在视频跟踪基准测试中接近监督学习方法的性能。

    Feb, 2020

  • 学习黎曼度量

    本文提出了一个解决给定可微流形相关的黎曼度量的问题的解决方案。度量学习问题基于最小化给定点集的相对体积。我们推导了多项式单纯形上一个度量族的细节。该度量在文本分类中具有应用，并且与文本文档的 TFIDF 表示有些相似。

    Oct, 2012

  • 人员再识别中的深度度量嵌入：抗大尺度变化的研究

    本文提出了一种新的中等正样本挖掘方法来训练鲁棒的 CNN 以解决人员重识别中的大变化问题。在此基础上，通过度量权重约束来改进学习，从而使学习到的度量具有更好的通用性。实验表明，这两种策略能够有效地学习到鲁棒的深度度量，并且相应地，我们的深度模型在几个人员重识别基准测试上显著优于现有的最先进方法。因此，本文提出的研究可能对启发人员重识别的新深度模型的设计有用。

    Nov, 2016

  • 通过深度度量学习进行流形匹配，用于生成建模

    本文提出了一种流形匹配方法来生成模型，该方法包括分布生成器和度量生成器，通过学习距离度量来生成符合真实数据流形的样本，并且应用于无监督和有监督学习任务，得到了良好的效果。

    Jun, 2021

  • 使用深度神经网络学习不变的黎曼几何表征

    本文提出了一种面向流形训练深度神经网络的通用框架，利用切空间和指数映射，将最终输出元素在 Riemann 流形上的深度神经网络的训练问题转化为当前深度学习研究的问题，在多类图像分类和人脸图像回归上显示出改进后的性能。

    Aug, 2017

  • 基于 Gram 矩阵轨迹的人类行为理解新几何框架

    本文提出了一个新的空间 - 时间几何表示方法，建立在正半定矩阵的黎曼流形上，并推导出相应的工具进行比较与分类，实现了对于人脸表情的情感识别的竞争性结果。

    Jun, 2018

  • 从流形到流形：用于 SPD 矩阵的几何感知降维

    使用正定对称 (SPD) 矩阵表示图像和视频，并考虑到所得空间的里曼尼几何，已被证明在许多识别任务中有益。本文引入了一种方法来构建一个更具判别力的低维 SPD 流形以处理高维 SPD 矩阵，并将学习表述为 Grassmann 流形上的优化问题。实验表明，与现有技术相比，我们的方法可使分类准确性显著提高。

    Jul, 2014

  • 深度神经网络的奇异黎曼几何方法 I. 理论基础

    本论文研究基于 Riemannian 几何的新方法，探索深度神经网络在流形之间的映射及其导致的结构，指出其 pullbacks 在其他流形上生成了诱导偏度量空间的退化 Riemann 度量，给出了这种映射的理论性质，并在实用神经网络中应用其几何框架

    Dec, 2021

  • 具高斯 RBF 核函数的黎曼流形上的核方法

    发展了利用核方法处理测地线非欧几里得空间数据的方法，具体地，提出了基于高斯径向基函数的正定核定义，用于将给定流形嵌入到高维再生核希尔伯特空间，同时该方法具有适用于计算机视觉的两种流形的正定核，并说明欧几里得空间中的支持向量机和主成分分析等算法可应用于测地线非欧几里得空间的数据中。

    Nov, 2014