May, 2024

QClusformer：基于量子变压器的无监督视觉聚类框架

PDF
TL;DR利用量子计算机的先进性能，在非监督视觉聚类任务中设计了一种基于 Transformer 架构的 QClusformer 框架，并通过实证评估证明其在 MS-Celeb-1M 和 DeepFashion 等数据集上相较于其他方法表现更出色。
unsupervised vision clusteringquantum computingqclusformertransformer architectureempirical evaluations
发现论文，激发创造
  • 量子视觉聚类

    我们提出了首个适用于 AQC 的聚类问题形式，该方法在当前量子计算机代际已经可解，并通过使用整数规划求解器与现有的基于优化的方法相比具有竞争力。

    Sep, 2023

  • 聚类器：作为通用视觉学习器的聚类方法

    CLUSTERFORMER 是一种基于 CLUSTERING 范例和 TransFORMER 的通用视觉模型，通过递归更新聚类中心和基于相似度的指标来实现图像分类、目标检测和图像分割等多样化视觉任务的性能提升，并说明其在各项指标上优于其他专门化架构，为计算机视觉中的通用模型带来了范式转变。

    Sep, 2023

  • 量子视觉变压器用于夸克胶子分类

    提出了一种混合量子 - 经典视觉转换器架构，其特点是在注意机制和多层感知机中集成了变分量子电路。该研究解决了计算效率和资源限制在分析未来的高亮度大型强子对撞机数据方面的重要挑战，提出了该架构作为潜在解决方案。通过将该模型应用于 CMS 开放数据的多探测器喷注图像，我们评估了该方法的性能，旨在区分强子引发的喷注和胶子引发的喷注。我们成功训练了量子模型，并通过数值模拟对其进行了评估。使用这种方法，在考虑类似数量的参数的情况下，我们实现了与完全经典架构几乎相媲美的分类性能。

    May, 2024

  • 监督和无监督机器学习的量子算法

    本文提出了适用于聚类分配和聚类查找的有监督和无监督的量子机器学习算法，利用量子计算能够处理高维向量的优势，实现了对于大量向量的分类问题的指数级加速。

    Jul, 2013

  • 无监督表示学习的量子架构搜索

    本研究提出了一种无监督表示学习的 QAS 框架，并展示了无监督架构表示学习如何促进类似连接和操作的量子电路架构形成聚类。我们的框架能够高效地在有限的搜索次数内获得性能良好的候选电路，而无需大量标记的量子电路。

    Jan, 2024

  • q-means：一种用于无监督机器学习的量子算法

    本研究介绍了 q-means 算法，一种用于聚类的新型量子算法，该算法具有与 $k$-means 类似的收敛性和精度保证，并且输出 $k$ 个集群中心的好近似值。此算法的运行时间呈多项式级别，优于经典算法，尤其适用于大型数据集。

    Dec, 2018

  • 高能物理领域的混合量子视觉变形器用于事件分类

    基于视觉变换器架构的模型在图像分类任务中被认为是最先进的。本文构建了几种量子混合视觉变换器的变体，用于高能物理中的分类问题，并将它们与经典视觉变换器架构进行了测试。我们的研究结果表明，在参数数量相似的情况下，混合模型可以达到与经典模型类似的性能。

    Feb, 2024

  • 基于 Transformer 的高维数据量子嵌入

    量子嵌入式与变压器是一种新颖且有前景的架构，用于实现在近期设备或模拟器上提供异常能力的量子机器学习。该研究在 BirdCLEF-2021（一个具有挑战性的高维度数据集）上，通过结合视觉变压器（ViT）显著提升了量子嵌入能力，并使得单比特分类器的中值 F1 得分提高了约 3％。该研究展示并分析了实证证据，证明我们基于变压器的架构对于现代量子机器学习问题是一种高度灵活和实用的方法。

    Feb, 2024

  • 基于 GPU 并行算法的图分析：量子聚类

    本文介绍了一种新的方法，将量子聚类应用于图结构中，通过构建潜函数采用图梯度下降算法找到聚类中心，利用 GPU 并行计算势能值来评估方法性能，实验结果表明该方法具有优异的性能，最后还研究了 σ 对实验结果的影响。

    May, 2023

  • 一个轻量级聚类框架用于无监督语义分割

    我们提出了一个用于无监督语义分割的轻量级聚类框架，基于自监督视觉变换器的注意特征，通过将这些特征聚类成少量的聚类中心，我们能够将前景和背景的图像补丁分开成不同的组。我们的框架在无监督语义分割方面展示了很大的潜力，并在 PASCAL VOC 和 MS COCO 数据集上取得了最新的成果。

    Nov, 2023