consistency loss | BriefGPT

关键词consistency loss

搜索结果 - 16

基于注意力机制的深度学习单目视觉里程计的运动一致性损失
该论文提出了一种基于深度学习的视觉里程计的一致性损失函数，实验证明该方法提高了模型在 KITTI 里程计基准上的性能。
PDF5 months ago
双视图胜过单视图：多视一致性下的单目三维姿态估计
通过使用多视角数据对单目人体姿态估计模型进行微调，引入新的一致性损失函数，提升性能，从而实现对特定应用定制模型的实用和经济有效解决方案。
PDF7 months ago
视角鸟瞰语义分割的半监督学习
本文提出了一种新颖的半监督框架，用于通过利用未标记的图像在训练过程中提高视觉鸟瞰（BEV）语义分割的性能，包括使用一致性损失约束模型在语义预测和 BEV 特征上，以及一种名为联合旋转的新颖且有效的数据增强方法，在保持前视图像与 BEV 语义
PDF10 months ago
ICCV基于循环一致性的无监督深度图匹配
本文研究了无监督深度图匹配，并应用于图像特征点匹配。与传统的有监督方法不同，我们的方法不需要关键点对之间的真实对应关系，而是通过强制同一物体类别图像之间的匹配一致性进行自我监督。由于匹配和一致性损失是离散的，不能直接用于学习，我们通过在组合
PDFa year ago
IJCAITGNN: 一个用于图级分类的联合半监督框架
研究了半监督图分类，提出了一种名为 Twin Graph Neural Network（TGNN）的新型半监督框架，旨在利用图拓扑导出的特征以及充分利用未标记数据，通过消息传递模块和图内核模块来探索来自互补视图的图结构信息，同时通过交换实例
PDFa year ago
AAAI基于涂鸦标注的弱监督伪装目标检测
本文提出了一种基于 scribble annotations 的弱监督 camouflaged object detection 方法，通过构建包括一致性损失和特征引导损失的模型以及引入两个新模块（LCC 模块和 LSR 模块），实现了结构
PDF2 years ago
CVPRStylizedNeRF: 通过 2D-3D 相互学习将一致的 3D 场景风格化为 Stylized NeRF
本文提出了一种新的双向学习框架用于 3D 场景风格化，结合 2D 图像风格化网络和 NeRF，并引入了一种一致性损失函数来迁移 NeRF 的一致性先验知识到 2D 风格化网络中。实验结果表明，这种方法在视觉质量和长程一致性方面优于现有方法。
PDF2 years ago
CVPR基于一致性约束的序列 Transformer 关注模型在部分可观测场景中的应用
本文提出序列转换器关注模型（STAM），以在资源有限的情况下，部分观察完整图像并仅基于过去的瞥见预测信息突出位置。使用 DeiT-distilled 设计代理并使用一步演员 - 评论家算法进行培训。此外，为了提高分类性能，还介绍了一种新的培
PDF2 years ago
CVPR使用身份一致性 Transformer 保护名人免受 DeepFake 攻击
本文提出了 “Identity Consistency Transformer”，这是一种新颖的人脸伪造检测方法，专注于高级语义，特别是身份信息，并通过在内部和外部面部区域发现身份不一致来检测可疑面部，在身份一致性确定中包含一致性损失。该系
PDF2 years ago
CVPR基于神经光线的遮挡感知图像渲染
提出了一种名为 NeuRay 的新型神经表征方法，采用其对新视角综合进行了建模，并通过预测输入视图中可见的点的可见性及自适应损失函数的应用，在实现对无先前场景图像的泛化的同时实现了图像渲染的优化。
PDF3 years ago
ICCVFew-Shot 目标检测的通用原型增强
本文提出了一种基于全局原型的少样本目标检测框架，通过增强对象特征以及标准化不同目标类型的特征，能够有效地提高目标检测的性能。
PDF3 years ago
无监督数据增强：天真增强法与无标签数据
本文重新审视了无监督数据增强 (UDA) 技术，并在多个序列任务上展示了其效果。该算法的一些组件对于 NLP 任务的表现是必要的，而且 UDA 并不需要复杂的数据扩充，只需要对原有数据进行随机取代并在两次预测中执行一致性损失可以得到相当好的
PDF4 years ago
EMNLP基于局部可加性的半监督 NER 数据增强
该研究提出了一种基于数据增广的、半监督命名实体识别模型。该模型通过对序列进行插值来虚拟出有标注数据，提高了实体和上下文学习的效果。研究还扩展了该模型，为无标注数据设计了一种一致性损失，提高了该模型在半监督条件下的性能。
PDF4 years ago
正常辅助立体深度估计
本文研究如何利用法线估计模型和预测的法线图提高深度质量，方法包括联合学习多视角法线估计和深度估计模块以及提出一种新的一致性损失来训练一个独立的一致性模块来细化深度 / 法线对。实验结果表明，该方法具有高精度、平滑等优点，在多个数据集上的表现
PDF5 years ago
使用神经网络生成高自由度夹持器的抓取姿态
本文提出了一种基于神经网络的学习方法，用于表示高自由度手的抓握姿势，并生成一个包含多种可能抓握的扩充数据集以避免模型的不确定性。该方法使用一致性损失函数和碰撞损失函数进行训练，在多个数据集上均取得了高精度，同时可以应用于噪声对象模型。
PDF5 years ago
KDDGAN 中的多个条件输入解耦
提出了一种用于控制 GAN 生成图像中多个输入条件效果的方法，并展示了在计算机辅助时装设计中对服装图像的颜色、纹理和形状的控制，通过自定义条件 GAN 并加入一致性损失函数对输入属性进行了分离，实验表明，我们可以逐个地调整输入属性，引导网络
PDF6 years ago