contrastive regularization | BriefGPT

关键词contrastive regularization

搜索结果 - 11

CVPR通过多级同构架构进行运动增强的频率解耦
频率解耦运动放大的多水平同构架构，稀疏高 / 低通滤波器和对比正则化的创新设计，使得该模型在减少不必要的运动放大和提高细节完整性方面表现出色。
PDF4 months ago
准确且轻量级的去雾方法：多接受野非局部网络和新型对比正则化
提出了一种基于多接收域非局部网络（MRFNLN）的图像去雾方法，该方法利用深度学习方法提取有用特征，并通过多流特征注意力块（MSFAB）和交叉非局部块（CNLB）实现对图像去雾的优化，同时引入了新颖的细节聚焦对比正则化（DFCR）以提高模型
PDF9 months ago
CR-VAE: 鉴别性正则化用于变分自动编码器以防止后验崩溃
通过引入对比度正则化（CR-VAE）方法，我们扩展了变分自编码器（VAE），使其能够最大化相似视觉输入表示之间的互信息，从而有效避免了后验崩溃现象。在一系列视觉数据集上的评估中，我们证明了 CR-VAE 在防止后验崩溃方面优于其他现有方法。
PDF10 months ago
CVPR针对物理感知的单张图像去雾的课程对比正则化
本研究提出了一种新的课程对比正则化方法，可应用于单幅图像去雾，通过从不同方法的恢复结果和雾图像中选取负样本，获得更好的下界约束。利用基于物理的双分支单元改进特征空间的可解释性，提出了一种名为 C2PNet 的去雾神经网络，该网络在 SOTS
PDFa year ago
CVPR可靠库对水下图像恢复的对比半监督学习
本研究提出了一种基于均值教师的半监督水下图像恢复框架，利用可靠性指标来选择最值得信任的负责伪标记的模型，并引入对比度正则化来防止对错误标签过拟合。实验结果表明，我们的算法在完全参考和非参考水下基准测试中，从定量和定性上都比 SOTA 方法有
PDFa year ago
TriDoNet：一种基于三重领域模型的 CT 金属伪影降噪网络
本文提出了一个基于三重领域的技术、对金属成像伪影进行去除的神经网络，采用对比正则化方法，实现了对 CT 图像的优秀去噪和伪影去除效果。
PDF2 years ago
ICCVICCV 2021 VIPriors 图像分类挑战赛第 2 名方案：一种吸引与排斥学习方法
该研究提出了一种新型的框架，名为 Attract-and-Repulse，利用对比正则化和对称交叉熵等方法，在小规模数据集上提升卷积神经网络的泛化能力和学习效率。
PDF2 years ago
CVPR半监督学习的对比正则化
本文中提出的聚类特征对比正则化方法在半监督学习中取得了最先进的结果，通过聚类伪标签的归属特征来更新模型，以便更有效地将标记信息传播到更多未标记样本。
PDF2 years ago
面向序列推荐中表示退化问题的对比学习
本文提出了一种新的推荐模型 DuoRec，通过对用户行为序列的表示形式的优化，解决了深度学习模型在生成物品表示时的退化问题，并在五个数据集上进行了实验验证。
PDF3 years ago
CVPR紧凑型单图像去雾的对比学习
本文提出了一种对比正则化方法，用于将雾图像和清晰图像用作负样本和正样本，从而更好地训练去雾网络。同时，提出了一种基于自动编码器 (AE) 框架的紧凑型去雾网络，命名为 AECR-Net，得到了比现有方法更好的效果。
PDF3 years ago
CoDA: 自然语言理解的对比增强和多样性促进数据增强
本文提出了一种名为 CoDA 的新型数据增强框架，通过整合多种转换方法，试图解决文本数据增强中的标签保留问题。实验表明，CoDA 架构在多种自然语言理解任务中平均提高了 2.2% 的效果，相较其他基线方法表现更强
PDF4 years ago