convolutions | BriefGPT - AI 论文速递

关键词convolutions

搜索结果 - 33

具有多个等变对齐的旋转不变点卷积
研究了 3D 点卷积中平移不变性和等变性的关系，并使用旋转等变对齐改进了卷积网络，实现了物体分类和语义分割方面的表现提升，减少平移不变和标准 3D 深度学习方法之间的差距。
PDF4 years ago
准确光流估计的位移不变匹配代价学习
本研究基于深度立体匹配中使用的 3D 卷积学习 3D 成本体积和流形成本之间的映射关系，旨在提出一种新的算法，该算法绕过了需要构建 5D 特征体积的要求。具体而言，本研究提出解耦 2D 位移之间的关系，并在每个 2D 位移假设上独立地应用
PDF4 years ago
一种针对群等变卷积核的 Wigner-Eckart 定理
本篇论文对 G 任意紧致群下可转向核空间进行了全面的研究，通过将可转向核空间和量子力学中的球张量算符进行类比，广义化了著名的 Wigner-Eckart 定理，证明了可转向核空间可由广义约化矩阵元，Clebsch-Gordan 系数和单群空
PDF4 years ago
具有移动音频流网络的高效低延迟语音增强
提出了适用于移动设备和计算能力受限应用的移动音频流网络 (MASnet)，用于有效的低延迟语音增强。MASnet 将连续的嘈杂帧转换为复值比率掩码，然后将其应用于相应的嘈杂帧。与类似的全卷积架构相比，MASnet 采用了深度和点卷积，大大减
PDF4 years ago
ACL基于自注意力机制的字符级翻译
本文研究了自注意力模型在字符级神经机器翻译中的适用性，并测试了标准 Transformer 模型以及一种新颖的变体。我们在 WMT 和 UN 数据集上进行了广泛实验，使用最多三种输入语言（法语，西班牙语和中文）进行双语和多语翻译。我们的变体
PDF4 years ago
ICLR标度等变网格 CNN：几何图上的各向异性卷积
本文提出了一种基于等规反变的网络结构，使用各向异性卷积核来应用于网格类型数据，得到了比传统的卷积神经网络更加显著的效果。
PDF4 years ago
CVPR像素自适应卷积神经网络
本文提出了一种新型卷积操作叫做像素自适应卷积 (PAC)，其通过学习本地像素特征来修改传统卷积操作，此方法适用于多种应用场景，具有优异的性能表现，包括使用 PAC 进行深度图像上采样、使用 PAC-CRF 替代 Full-CRF 等。同时，
PDF5 years ago
ICLR现代神经网络结构的图灵完备性
本文讲述了研究者探讨替代循环神经网络的新架构（如基于注意力或卷积的架构）的计算能力，通过研究 Transformer 和 Neural GPU 的计算能力，发现这两种模型都可以纯粹依靠计算和访问数据的内部密集表示而成为图灵完备的，而不需要外
PDF5 years ago
关于齐变卷积神经网络在同性空间上的一般理论
本研究提出了关于群等变卷积神经网络（G-CNNs）在同种空间如欧几里德空间和球面上的总体理论。这些网络中的特征映射表示同种基本空间上的场，层是场空间之间的等变映射。该理论使得所有现有的 G-CNNs 都能按照它们的对称群、基础空间和场类型进
PDF6 years ago
CVPRPFCNN：使用平行帧的三维表面上的卷积神经网络
通过平行帧场的工具，定义了 PFCNN 在表面网格上的应用。通过模拟标准的卷积方式，可以有效地实现表面网格上的特征学习。实验证明，在不使用比表面网格 CNN 更复杂的输入特征的情况下，PFCNN 在分类、分割、配准和场景分割等方面均实现了优
PDF6 years ago
蒙特卡罗卷积用于不均匀采样点云学习
本文提出了一种有效的深度学习方法，可用于非均匀采样的点云，通过将卷积核本身表示为多层感知机，将卷积视为蒙特卡罗积分问题，使用匹配多级采样的信息，并使用泊松盘采样进行点云学习。最终，作者通过在分级网络架构中应用该方法，赢得了大多数基于点云的
PDF6 years ago
语音去噪的 Wavenet
该研究提出了一种基于非因果的扩张卷积和预测目标场而不是单个目标样本的、采用监督学习方式最小化回归损失的判别式模型适应方法，旨在进行语音去噪处理，比传统幅度谱法的维纳滤波法具有更好的计算性能和感知评估效果。
PDF7 years ago
门控卷积网络的语言建模
本研究提出一种基于卷积神经网络的有限环境文本处理方法，采用新型简化门控机制，具有并行优势和长期学习效应，相比循环神经网络可获得更高的性能和更短的处理时间。在大规模文本任务中取得了领先水平，是非循环方法首次能够与强循环模型竞争。
PDF8 years ago