CVPRAug, 2020

计算机视觉中的在线图完成： 多元信号恢复

PDF
TL;DR本论文研究了基于图像的人工智能处理中一些实际问题，如图像数据的收集与标注、图像分类以及所涉及的数据处理方法等，提出了一种基于 Gradient Boosted Trees 与随机森林相结合的解决方法，并且实验结果表明该方法对于图像识别和图像分类问题具有较高的解决效果。
human-in-the-loopcomputer visionmachine learningactive learninggraph completion
发现论文，激发创造
  • 图上的信号恢复：变分最小化

    我们提出了一个图信号模型，并将信号恢复任务转化为对应的优化问题，通过交替方向乘子方法提供一般解决方案，然后展示了信号修复、矩阵完成、鲁棒主元分析和异常检测等都与图信号恢复有关，提供了相应的特定解决方案和理论分析，最后在在线博客分类、桥梁状况识别、温度估计、推荐系统和在线博客分类专家意见结合等实际恢复问题上验证了所提出的方法。

    Nov, 2014

  • 不完整时序数据的联合信号恢复与图学习

    通过方法的块连续上界最小化（BSUM）算法，从以下数据中学习一个图并恢复信号：来自不完整的时间序列观测的图、未知的底层图模型及信号。这个算法在合成和真实时间序列的模拟结果中展示了图学习和信号恢复的性能。

    Dec, 2023

  • 图上矩阵补全

    本文提出了一种基于社区检测和流形学习的矩阵完成模型，通过约束矩阵在图上的平滑性来隐含地强制行和列之间的相似性，得到了比标准模型更好的矩阵恢复效果。

    Aug, 2014

  • 基于图卷积自编码器的可变形形状补全

    本论文提出一种新的深度学习方法，利用可变自编码器和图形卷积运算来实现对非刚性变形物体进行局部补全，对合成和真实扫描的人体和面部网格进行了实验，显示出有前途的结果。

    Dec, 2017

  • 使用查询完成矩阵

    本研究提出了一种主动式矩阵完成算法，通过查询真实矩阵来克服数据不完备造成的不足信息问题，可以在仅查询少量条目的情况下高精准度地重构缺失的矩阵，并通过实验验证了该算法的高效性和精度。

    May, 2017

  • 利用图信息的可证明张量补全

    通过构建动态图的数学模型，将新颖的图平滑正则化方法与张量分解模型相结合，解决了关于张量恢复的问题，从而获得了统计一致性的保证。

    Oct, 2023

  • 多模态形状补全的条件生成对抗网络

    这篇论文提出了一种用多模式条件生成模型进行多维形状补全的方法，能够消除单一输出方法存在的不确定性以获得更多的结果。通过多个数据集的实验，证明了该方法的多样性和质量。

    Mar, 2020

  • 具监督矩阵补全的主动特征获取

    本文提出了一种通过联合执行主动特征查询和监督矩阵完成来训练有效分类模型的方法，以最小化获取成本，并同时降低误差和监督损失。此外，还提出了一种成本感知的活动选择双目标优化方法来选择不同获取成本的特征。该方法已通过理论分析和实验研究得到了有效验证。

    Feb, 2018

  • 图信号的最优恢复

    从优化恢复的角度考虑了图信号处理中部分观测数据的平滑处理问题，并提出了一种计算最优或接近最优正则化参数的方法，在半合成图信号处理数据集的数值实验中取得了良好效果。

    Apr, 2023

  • 基于图信号采样的归纳式一位矩阵补全：闭式解

    本文提出了一种新的方法 GS-IMC 和 BGS-IMC 来解决基于图信号采样的感知一位矩阵完成问题，这种方法考虑了离散和连续随机噪声，并且在公共基准测试上表现出最先进的性能。

    Feb, 2023