使用智能、稀疏的轮廓表示和编辑图像
通过学习稀疏编码图像的通用稀疏编码字典和针对特定标签的转换函数,我们的方法可以将测试图像进行语义分割。我们在轮廓检测任务上展示了与当前最先进系统相当的性能,并展示了在人脸语义分割任务中的初步结果。
Oct, 2014
本研究提出了一种新的三维人脸重建技术,利用稀疏光度立体和单个图像的面部建模技术,通过采用语义分割技术,可以精确重构面部毛发和裸露皮肤区域,包括皱纹、眉毛、丘疹、毛孔等微小的几何细节,其表现可与电影品质制作相媲美。
Nov, 2017
本文针对图像超分辨率问题,提出一种结合传统稀疏编码模型和深度学习技术的神经网络模型,该模型在多种图像上已被证明在恢复精度和主观质量方面均优于目前现有的最先进方法。
Jul, 2015
基于自适应稀疏域选择和自适应正则化,使用自然图像集合的多组自适应基来表示给定图像修复目标的本地稀疏域,引入自回归模型和非局部自相似性正则化,通过实验证明该方法在图像去模糊和超分辨率上比许多现有算法都具有更好的表现。
Dec, 2010
本论文通过采用稀疏卷积和分层解码器等新技术,将 BERT - 风格的预训练方法推广到卷积神经网络领域,并且在 ResNet 和 ConvNeXt 等模型上进行了验证,在目标检测和实例分割等任务中,优于当前最先进的对比学习和变换器掩模建模方法。
Jan, 2023
本文提出了一种基于学习的方法,采用新的数据集进行轮廓图的生成和处理,可以精确定位视觉场景的轮廓和边界,相对于传统的边界检测方法有更好的性能表现,并且在 BSDS500 上取得了最新的性能成果。
Jan, 2019
本文介绍了关于稀疏模型及其应用的多学科研究,主要涉及模型选择、稀疏编码、图像识别和图像处理等领域。本文针对数据的学习和适应性字典,提供了一种自包含的稀疏建模方法,已在各种领域中获得成功应用。
Nov, 2014
本研究提出了一种新的稀疏卷积操作,旨在更高效地处理空间稀疏数据,并使用其开发出空间稀疏卷积网络 (SSCNs)。我们在涉及三维点云的语义分割任务中展示了这种模型的强大性能,特别是我们的模型在最近一个语义分割竞赛的测试集上超越了所有以前的最新技术。
Nov, 2017
本文提出了一种基于几何学思想、利用决策边界低平滑性的攻击方法 SparseFool,能快速计算稀疏扰动,并且经过充分的评估,发现该方法能在高维数据中高效地尺度化,对视觉效果具有一定的可转移性,同时对稀疏加性扰动具有较好的鲁棒性,与对抗训练相比仅能有微小的改进。
Nov, 2018
通过提出一种新的基于点的 Contour-Pose 表示方法和一种局部到全局的架构,本文在步态识别领域表现出更好的性能和更高的效率,进一步证明在具有显著干扰的数据集上超过轮廓点方法的成果。
Nov, 2023