Sep, 2023

自编码树用于城市生成和应用

PDF
TL;DR基于收集的数据集，本文提出了一种名为 AETree 的树状自动编码器神经网络，用于城市生成。该模型利用空间几何距离测量建筑布局的相似性，通过构建二叉树来提取和合并空间信息，最终实现了 2D 和 3D 城市生成。此外，AETree 学到的潜在特征可用于城市规划应用。
city modelinggenerationaetreespatial-geometric distanceurban planning
发现论文，激发创造
  • ProSGNeRF：城市场景中的渐进式动态神经场景图与频率调制自编码器

    通过使用图形结构学习动态对象和背景的本地场景表示，并设计渐进方案和频率自编码器网络来解决大规模城市场景和快速移动车辆的视图合成问题。实验结果表明，该方法在视图合成准确性、物体操作和场景漫游能力方面取得了最先进的结果。

    Dec, 2023

  • 使用树自动编码器无监督推断基于数据驱动的话语结构

    为解决语篇树结构数据不足的问题，本文提出了一种基于无监督学习和隐式树归纳框架扩展的自动编码目标策略，可应用于生成语法分析、语篇分析等任何树状结构目标。

    Oct, 2022

  • 递归树语法自编码器

    本研究提出了一种称为递归树语法自编码器 (RTG-AE) 的自编码器方法，这种方法利用自上而下解析器对树进行编码，利用树语法对树进行解码，两者都是通过递归神经网络进行学习，从而最小化变分自编码器损失。这种方法将变分自编码器、语法知识和递归处理结合起来，能够优于任何两种元素的组合，能够在合成和真实数据集上提高自编码误差、训练时间和优化得分。

    Dec, 2020

  • 森林中的自编码器

    本文提出了基于树集成的自编码器模型 EncoderForest，可以利用决策树的等价类进行反向重建， 相较于深度神经网络的自编码器，具有更低的重建误差和快速训练速度，并且易于复用和耐损伤。

    Sep, 2017

  • 基于边缘感知的图自编码器用于规模不平衡数据的旅行商问题

    该论文提出了一种数据驱动的图表示学习方法，用于解决具有不同数量城市的旅行推销员问题，并通过实验证明该方法在解决旅行推销员问题方面具有与最先进的基于学习的方法相媲美的性能。

    Oct, 2023

  • ARTree：一种用于系统发育推断的深度自回归模型

    我们提出了一种基于图神经网络的深度自回归模型 ARTree，可以灵活地设计概率模型并解决系统发生推断问题，通过学习可学习的拓扑特征来对树的拓扑结构进行建模，并提供了一系列包含简单采样算法和密度估计过程的树拓扑空间分布，无需使用启发式特征。我们在具有挑战性的真实数据树拓扑密度估计和变分贝叶斯系统发生推断问题的基准测试中证明了我们方法的效果和效率。

    Oct, 2023

  • 融合树（和持久图）的 Wasserstein 自编码器

    本文提出了一种基于合并树（MT-WAE）的 Wasserstein 自编码计算框架，该框架是传统自编码神经网络架构到 Wasserstein 度量空间的一种新扩展，在每个网络层上显式地处理相关度量空间上的合并树，从而提高了准确性和可解释性，并可用于数据压缩和降维的应用。

    Jul, 2023

  • 自动化城市规划感知空间层次和人类指令

    采用深度生成学习构建基于人类指导、考虑空间层级的城市规划器，并引入生成对抗网络以解决空间层级问题。

    Sep, 2022

  • TreeGen: 基于树状结构的 Transformer 编码生成架构

    本文提出了一种基于树结构的神经架构 (TreeGen) 来生成编程语言代码，该模型使用了 Transformer 的注意力机制解决了长依赖问题，并引入了一种新颖的 AST 阅读器 (encoder) 将语法规则和 AST 结构整合到网络中。在 Python 基准测试、ATIS 和 GEO 语义解析基准测试中，TreeGen 的性能优于之前的最先进方法 4.5 个百分点，同时在 ATIS（89.1%）和 GEO（89.6%）的神经网络方法中实现了最佳精度。

    Nov, 2019

  • 基于网格的隐式函数的 3D 形状生成

    该研究提出了一种使用网格训练 GAN 的方法来生成三维形状，这种训练方法允许更多的表现力和空间控制，并提出了一种基于统计分析的鲁棒性评估标准。

    Jul, 2021