- ECCV具有随机特征抽样和插值的空间自适应推断
为了降低 CNN 计算中的空间冗余,本文提出了一种采样 - 插值方案,并针对离散采样位置的不可微性,采用基于 Gumbel-Softmax 分布的重新参数化技巧,以在计算机视觉任务中大幅节省计算量,同时保持准确性。
- 通过减少离散度增强对抗样本的跨任务黑盒可迁移性
本文研究了对神经网络的对抗样本跨任务迁移性的攻击,超越了现有攻击的限制,并针对计算机视觉中的多种任务提出了一种新的攻击方法。
- ICCV基于图像的神经形态视觉感知中的时空特征学习
使用紧凑的图形表示和图卷积神经网络实现 end-to-end 的特征学习,以提高神经形态视觉感知技术在计算机视觉任务中的性能,尤其在行动识别方面表现出色。
- 多项式分布学习用于有效神经架构搜索
本文提出了一种基于多项式分布学习的高效神经网络结构搜索方法,通过采样两个节点之间的操作来构建一个联合多项式分布,利用出现概率最高的操作构建出最优网络结构,实验证明该方法性能优异。
- AM-LFS: 损失函数自动机器学习搜索
提出了一种名为 AM-LFS 的自动机器学习方法,利用 REINFORCE 动态优化损失函数和参数,从而在计算机视觉任务中表现优异。
- ICCV神经引导的 RANSAC: 学习在哪里采样模型假设
Neural-Guided RANSAC is an improved version of the RANSAC algorithm that is capable of using prior information to optimi - Double-DIP: 基于耦合深度图像先验的无监督图像分解
本文提出了一种基于耦合的深度图像先验(DIP)网络的单图像无监督层分解方法,可以用于图像分割、透明度分离、去水印等计算机视觉任务。
- 卷积核深高斯过程
本论文针对深度高斯过程在计算机视觉领域应用时存在的挑战(例如卷积结构),提出了一种基于卷积核的卷积 DGP 模型(CDGP)来解决该问题,并在多类图像分类任务中表现出优越性能。
- Matterport3D: 室内环境下 RGB-D 数据的学习
本文介绍 Matterport3D 数据集,包含 10,800 个全景视图,通过 RGB-D 图片提供了 90 个建筑尺度的场景的表面重建、相机姿态和 2D、3D 语义分割注释等,可用于多种计算机视觉任务,如关键点匹配、视图重叠预测、颜色预 - 卷积神经网络在识别负面图像方面的限制
本文研究卷积神经网络(CNN)在学习训练数据语义方面的能力,通过对负面图像进行评估,发现当 CNN 在正常图像上训练,测试在负面图像时,模型准确度明显降低,导致我们猜测目前的训练方法不能有效地训练模型来概括概念,引入语义对抗示例的概念,并将 - ICLR卷积神经网络的数据相关初始化
该研究提出了一种快速、简单的数据依赖初始化过程,可避免幻灭或爆炸梯度,并能够与当前领先的无监督或自监督预训练方法相匹配,同时比前人的方法快大约三个数量级,当与预训练方法结合时,可以显著优于先前的工作,在监督和无监督预训练之间缩小差距。