May, 2024

TS3IM：通过图像相似性评估揭示时间序列的结构相似性

PDF
TL;DR时间序列分析中，精确测量相似性对于预测、异常检测和聚类等应用至关重要。本文引入了一种基于结构相似性指数度量的时间序列结构相似性指标测量（TS3IM），通过评估趋势、变异性和结构完整性等多个维度的相似性，提供了更细致和全面的测量方法。这一新指标在分析时间数据、提供更准确和全面的序列分析和决策支持方面有着重要的作用，在监测能耗、分析交通流量和对抗性识别等领域取得了实验结果方面显著的进展。
time series analysissimilaritystructured similarity index measure for time seriests3imtemporal data
发现论文，激发创造
  • 了解结构相似性指标 (SSIM)

    本文分析了结构相似性指数（SSIM）的数学因素，并展示了其可能带来的非预期、未定义和非直观结果，因此使用 SSIM 作为图像质量指标可能导致错误结论，使用其作为深度学习的损失函数会带领神经网络训练向错误的方向。

    Jun, 2020

  • 时间序列分类相似度度量的实证评估

    本文通过大规模的、基于实证的、定量化的方法，对时间序列分类中的相似度测量方法进行了广泛的评估，提出了更加一致的评估标准和基准措施的建议。

    Jan, 2014

  • S3IM：随机结构相似性及其对神经场的非理性有效性

    我们设计了一个非局部多路训练范式，通过一种新颖的随机结构相似度 (S3IM) 损失方法，将多个数据点作为一个整体集合处理而不是独立处理多个输入，从而改进了 NeRF 和神经表面表示，而且在稀疏输入、受损图像和动态场景下具有稳健性。

    Aug, 2023

  • DreamSim：使用合成数据学习人类视觉相似性的新维度

    本文提出了一个全新的知觉度量标准 DreamSim，通过人类相似度判断数据集的研究得出，该标准可以全面评估图片的相似性，更关注于前景物体和语义内容及对颜色和布局敏感，并且具有很好的一般性能。

    Jun, 2023

  • 一个非监督的信息理论感知质量评估度量

    通过结合信息理论目标函数的最新进展和基于人类视觉系统的计算体系结构，以及对成对视频帧进行无监督训练，我们提出了感知信息度量（PIM），并在 BAPPS 图像质量评估数据集上证明 PIM 与监督度量相媲美，且在 CLIC 2020 的图像压缩方法排名预测方面优于监督度量，同时使用 ImageNet-C 数据集进行定性实验，证明 PIM 在架构细节方面具有鲁棒性。

    Jun, 2020

  • 事件触发时间序列的任务感知相似度学习

    该研究旨在开发一种无监督学习框架，能够在未标记的事件触发时间序列中学习任务感知的相似性，该框架利用多尺度自编码器和高斯混合模型有效地学习时间序列的低维表示，得到的相似度量易于解释，通过广泛的实验表明，该方法明显优于现有的方法。

    Jul, 2022

  • 在语义层面衡量视觉相似性的语义相似度分数

    基于场景图生成和图匹配的语义评估指标 SeSS 可以测量图像语义级信息的差异，可用于视觉语义通信系统的评估。

    Jun, 2024

  • 如何使用 ViTScore 度量评估图像的语义沟通能力？

    语义通信（SC）是一个新的范式，其主要关注点从准确的比特传输转变为在通信中进行有效的语义信息交换；本研究提出了一种评估图像语义相似性的新指标 ViTScore，并通过与其他三种典型指标的比较，证明了 ViTScore 在 SC 场景中更好地评估图像的语义相似性，表明它是一种有效的性能指标。

    Sep, 2023

  • SAMScore：一种用于图像翻译评估的语义结构相似度度量方法

    SAMScore 是基于高性能的 Segment Anything 模型（SAM）设计的一种通用的语义结构相似度指标，可用于评估图像翻译模型的可靠性，并应用于 19 项图像翻译任务中，发现其能够胜过所有竞争指标，是一种有价值的工具，有助于推动图像翻译领域的发展。

    May, 2023

  • 使用感知相似度度量学习生成图像

    通过使用 better calibrated to human perceptual judgments of image quality: the multiscale structural-similarity score (MS-SSIM) 进行训练而不是使用 pixel-wise loss (PL)，提出了更好的 perceptually-optimized methods，已被证明在三种不同的自动编码器中表现更好，可以在图像分类和超分辨率成像方面为计算机视觉带来极大的潜力。

    Nov, 2015