CVPRApr, 2021

通过最大权重团选取实现和谐的语义线检测

PDF
TL;DR本文提出了一种新的算法，用于检测最佳语义线集。我们开发了两个网络：选择网络（S-Net）和协调网络（H-Net）。通过选择和移除过程过滤掉无关的语义线，通过 HIoU 度量整体和谐性。实验结果表明，该算法能够有效和高效地检测出和谐的语义线。
algorithmsemantic linesselection networkharmonization networkhiou
发现论文，激发创造
  • 语义线路组合检测器

    本文提出了一种名为语义线组合检测器（SLCD）的新算法，它通过一次性处理每个线组合中的所有线条来评估线条的整体协调性，实验结果表明，所提出的 SLCD 在各种数据集上的表现优于现有的语义线检测器，并且还证明了 SLCD 可以有效应用于消失点检测、对称轴检测和基于构图的图像检索三个视觉任务。

    Apr, 2024

  • 利用镜像注意力、比较排名和匹配进行语义线检测

    本文提出了一种新算法来检测语义线。通过利用富含上下文信息的镜像注意力模块，从三个网络（具有镜像注意力的检测网络 D-Net 和比较排序匹配网络 R-Net 和 M-Net）中提取语义线，然后通过成对比较迭代选择最具语义性的语义线并移除与所选线重叠的冗余线，证明了该算法显著优于传统语义线检测器，并成功应用于检测主要平行线和反射对称轴。

    Mar, 2022

  • 用于语义线检测的深度 Hough 变换

    本文提出一种利用 Hough 变换将深度学习特征转换为参数化域进行线条检测的方法，可提取上下文特征并比现有方法的性能更优。

    Mar, 2020

  • 高效的超列关联语义匹配

    利用多尺度相关图的潜力，提出了一种高效的语义匹配方法 HCCNet，通过特征分割和点卷积等操作，实现了在语义匹配上具有先进水平或有竞争力的性能，同时降低了延迟和计算开销。

    Nov, 2023

  • 全局引力线框解析

    该论文提出了一种快速和简约的解析方法，用于在输入图像中通过单个前向传递准确和稳健地检测矢量化线框。提出的方法是端到端可训练的，包括三个组件：线段和节点提议生成，线段和节点匹配以及线段和节点验证，成为 Holistically-Attracted Wireframe Parser

    Mar, 2020

  • 大规模信息网络嵌入

    本文提出了一种新的网络嵌入方法 LINE，用于将大规模的信息网络嵌入到低维向量空间中，实现了节点分类，链路预测等任务。该方法优化了一个经过精心设计的目标函数，可以保留本地和全局网络结构，并提出了边缘采样算法，改进了经典随机梯度下降的限制和推理效率。经验证明了 LINE 在包括语言网络、社交网络和引用网络在内的各种真实世界的信息网络上的有效性。对于单个典型机器，该算法非常高效，可以在数小时内学习具有数百万个顶点和数十亿个边的网络嵌入。

    Mar, 2015

  • 预测人工智能论文中的语义关系的方法

    本文提出了一种基于 Graph Neural Networks 的新型深度学习方法，以解决如何预测大型演化网络中链接出现的问题，特别地，预测与 AI 相关的主题之间的链接。实验结果表明，使用此方法能够有效地识别出节点的吸收和密集子图的合并两种模式，且模型具有较高的预测准确性。

    Jan, 2022

  • 基于模块性的超图社区检测

    本文提出了一种使用超图模块性函数的可扩展社区检测算法 h-Louvain。通过调整算法的初始阶段，利用两部分图的图模块性函数和期望的超图模块性函数的线性组合，通过贝叶斯优化超参数的过程，提出了解决方法。在合成和真实网络上进行了各种实验证明，该过程在各种情况下都可以得到改进的结果。

    Jun, 2024

  • 一个语义分层图神经网络用于文本分类

    本文研究了基于图神经网络的文本分类任务，提出了一种新的分层图神经网络模型（HieGNN），其在词级别、句子级别和文档级别分别提取相应的信息。实验结果表明与几个基准方法相比，我们的模型能够从样本中获得更多有用的分类信息。

    Sep, 2022

  • 分层动态图像调和

    本文提出了一种分层动态网络 (HDNet) 用于图像和谐处理，该网络通过局部动态和面具感知全局动态，从本地到全局视角自适应模型参数和特征改变，以实现更好的特征转换和全局调和。

    Nov, 2022