Aug, 2016

用 2-Way Nets 实现图像和文本的链接

PDF
TL;DR本文介绍了一种双向神经网络架构，该架构通过使用欧几里得损失将两个数据源的向量进行匹配，并演示了在 MNIST 图像匹配和 Flickr8k、Flickr30k 和 COCO 数据集上的计算机视觉匹配任务中的最新结果。
canonical correlation analysisdeep learningneural networkcomputer visioneuclidean loss
发现论文，激发创造
  • 无监督相关分析

    本篇文章提出了一种无监督的相关分析方法 (UCA)，用于解决在计算机视觉中串联不同领域的问题，并将其与常用的 Cannonical Correlation Analysis (CCA) 方法进行比较，证明 UCA 的性能优于其他无监督的基准线，在某些情况下可以接近于有监督方法的性能。

    Apr, 2018

  • 深度学习中局部距离相关性的多用途应用

    本研究使用距离相关性技术进行深度学习模型的功能行为比较，发现距离相关性可以作为多种应用的正则化程序或约束条件，避免了常见困难。

    Jul, 2022

  • 张量规范相关分析用于多视图降维

    本研究介绍了一种名为张量 CCA (TCCA) 的多视角学习方法，它可以处理任意数目的视角的数据。通过分析不同视角的协方差张量，TCCA 试图直接最大化多个 (超过两个) 视角的典型相关性，并探索了容易被忽略的高阶统计数据量，可以通过最小化数据协方差张量的最佳秩 1 近似值来解决。

    Feb, 2015

  • 非参数标准相关分析

    本研究采用特征值分解解决非参数正相关分析问题，通过数据估计种群密度，降低计算负担，提高非参数 CCA 的性能，同时提出了部分线性 CCA 算法用于处理单个视图的线性投影问题。

    Nov, 2015

  • 用于建模互联网图像、标签及其语义的多视图嵌入空间

    本文探讨了基于互联网图像和相关文本标签的图像搜索、标签搜索和图像注释等任务，采用典型相关分析（CCA）方法将视觉和文本特征映射到同一隐藏向量空间，在此基础上，引入了表示高级图像语义的第三个视图来训练三个视图的嵌入，并结合多种视觉特征进行训练，实现了高效的嵌入式检索。

    Dec, 2012

  • 朝着对齐的规范相关分析的初步构想和概念验证结果

    提出了一种新的框架 Aligned Canonical Correlation Analysis (ACCA)，通过迭代地解决对齐和多视角嵌入，解决了多数实际情况中需要的传统方法中不清晰的各种数据视角之间的对齐问题。

    Dec, 2023

  • 关联神经网络

    该研究提出了基于自编码器且明确地最大化多视角数据在共同子空间中的相关性的相关神经网络（CorrNet），在交叉语言任务方面表现良好，并优于其他先进方法。

    Apr, 2015

  • 使用规范相关方法揭示神经网络中的表示相似性见解

    作者们通过投影加权规范相关分析法（projection weighted CCA）研究神经网络的表征学习。研究发现，广泛的神经网络更容易获得相似的表征，与学习速率相关的神经网络收敛到具有不同表征的不同聚类中，RNN 随着时间的推移呈自底向上的模式聚合，而其隐藏状态在序列的不同时间间隔内变化较大。

    Jun, 2018

  • 神经网络表示的相似性再探讨

    本文介绍了基于规范相关分析（CCA）方法的神经网络表示比较方法，并提出了一种相似度指数来测量表示相似性矩阵之间的关系，该指数与中心核对齐（CKA）密切相关，但不受高维表示限制，具有可靠性。与 CCA 不同，CKA 方法可在不同初始化的网络表示中可靠地识别对应关系。

    May, 2019

  • 深度广义典型相关分析再探

    探索多个观测随机向量之间的潜在共变性的经典统计方法 —— 典型相关分析 (CCA) 以及其扩展和变化在发现多视图数据集中的共同随机因素方面的能力。该研究设计了一种新颖高效的模型，适用于典型相关分析的深度扩展，并克服了现有方法的局限性，将私有组件建模为在给定共同组件的条件下条件独立，从而提供了一种更紧凑的表述形式。通过合成数据和实际数据的实验验证了我们的结论和方法的有效性。

    Dec, 2023