CVPRApr, 2020

自适应分数扩张卷积网络用于图像美学评估

PDF
TL;DR本文提出了一种自适应分数膨胀卷积（AFDC）方法，采用图像宽高比嵌入、保持组成以及无需额外参数的方式在卷积内核层面处理图像宽高比信息，通过使用最近两个整数膨胀卷积核内插可以解决分数采样对齐问题；并提供了迷你批量训练的简洁公式，并利用分组策略来减少计算开销。实验结果表明，该方法在 AVA 数据集上的图像美学评估方面达到了最先进的性能。
deep learningimage aesthetics assessmentfractional dilated convolutionaspect ratioscnn architectures
发现论文，激发创造
  • 频率自适应扩张卷积用于语义分割

    提出了三种策略来改进分析视角下的空间频率分布，通过频率自适应扩张卷积、自适应核函数和频率选择模块，提高了有效带宽和感知范围，从而有效改善分割和目标检测性能。

    Mar, 2024

  • 透过透视引导的分数膨胀卷积实现的人群计数

    本文提出了一种名为 PFDNet 的卷积神经网络方法，通过使用分数膨胀卷积核来适应不同标注的透视变换，在处理视频监控场景下的人群计数时，显著提高了目前最先进的方法的灵活性和计算效率。

    Jul, 2021

  • 自适应动态滤波网络用于图像去噪

    本研究提出了一种用于改善高频和多尺度特征学习的动态卷积算法，其中采用了增强空间上下文信息的核生成模块 (SEKG) 以及动态卷积块 (DCB) 和多尺度动态卷积块 (MDCB)。此外，还提出了多维特征集成 (MFI) 机制，旨在融合多尺度特征，从而提供具有精确性和丰富上下文特征的表征。最终，使用所提出的算法构建的 ADFNet 在真实世界和合成高斯噪声数据集上取得了更好的性能，且具有较低的计算复杂度。

    Nov, 2022

  • 基于深度学习的面部部位响应到人脸检测的转换

    本文提出了一种新颖的深度卷积网络，通过对面部部位响应的空间结构和排列进行评分机制，从新的角度寻找面部，并考虑到挑战性情况下的面部检测，如严重遮挡和不受约束的姿势变化，以实现在 FDDB，PASCAL Face 和 AFW 数据集上出色的表现。

    Sep, 2015

  • A-Lamp: 用于照片美学评估的自适应布局感知多补丁深度卷积神经网络

    本文介绍了一种新的自适应布局感知多补丁卷积神经网络 (A-Lamp CNN) 结构，用于照片美学评估，该网络结构能够同时学习细节和完整的图像布局。通过在大规模美学评估基准 (AVA) 上进行广泛实验，证明了在照片美学评估方面比现有技术有显着的性能提高。

    Apr, 2017

  • ACDNet：自适应组合扩张卷积用于单目全景深度估计

    本文提出了一种基于自适应膨胀卷积的 ACDNet，用于预测单目全景图像的密集深度图，实验结果表明 ACDNet 明显优于当前最先进的技术。

    Dec, 2021

  • 使用图注意力网络进行图像美感评估

    本文提出了一种基于图神经网络的两阶段框架，通过图形神经网络捕捉视觉注意力，使得美学视觉分析中原始的长宽比和空间布局等特征得以保留，进一步提高了美学得分回归的精度。

    Jun, 2022

  • 一种基于递归融合扩张卷积和信道注意力的高效语音分离网络

    本文介绍了一种高效的语音分离神经网络，采用了扩张卷积、多尺度融合和通道注意力等多种方法，可以克服卷积网络的有限感受野和变换器网络的高计算成本问题，实现局部和全局特征的学习，并通过通道的注意力权重学习关键的特征来提高网络的表达能力和鲁棒性，实验结果表明，该模型在性能和计算效率之间取得了不错的平衡，是目前实际应用的有希望的选择。

    Jun, 2023

  • 卷积神经网络中的内容自适应下采样

    该论文提出了一种适应性下采样方案，通过允许以更高的分辨率处理信息丰富的区域而不是信息较少的区域，从而提高了各种已建立 CNN 的成本 - 准确性权衡效果。

    May, 2023

  • 利用现有的深层网络进行字幕和美学引导的图像裁剪

    我们提出了一种新颖的优化框架，它可以基于用户描述信息和美学目标对给定图像进行裁剪，通过重新利用预训练的图像标注和美学任务网络直接优化裁剪参数，并通过多种策略实现了优化目标的实现，定量与定性实验证明我们的框架可以产生符合预期的用户描述和审美标准的裁剪图像。

    Jan, 2022