- CVPRPVN3D:一种深度点间 3D 关键点投票网络用于 6DoF 姿态估计
本文提出了一种基于数据驱动的方法,使用关键点检测和 Hough 投票网络,实现了从单个 RGBD 图像稳健地估算 6DoF 物体姿态,并在多个基准测试中表现出色。
- ICCV网络相互指导的半监督皮肤检测
本文提出了一种新的数据驱动方法,通过将人体作为弱语义引导,将人类皮肤检测与人体识别结合起来,构建双任务神经网络实现半监督学习,对皮肤和人体分别进行检测,并在实验中证明了该网络的有效性及优于现有最佳水平的皮肤检测能力。
- 异构架构下的上下文槽传递
本研究提出一种神经网络架构来解决在多域系统中的上下文理解和词槽填充问题,着重解决如何面对大规模和多样化的问题,模型通过候选集合来决定是否填充词槽,并引入了简单但有效的数据驱动方法用于转换候选词槽。实验表明该方法可以在多个领域中提供最优结果。
- 数据驱动鉴定参数偏微分方程
本文介绍了一种基于数据驱动的方法,用于发现参数化偏微分方程,扩展了先前方法中对偏微分方程的鉴定,证明了群组顺序阈值岭回归在识别偏微分方程及其参数依赖性方面的性能优于群 LASSO。
- 基于骨架的动作识别的双流自适应图卷积网络
本研究提出了一种新的双流自适应图卷积网络 (2s-AGCN),用于基于骨架的动作识别,通过数据驱动的方法学习网络拓扑结构,同时建立了包含一阶和二阶信息的双流框架,通过对 NTU-RGBD 和 Kinetics-Skeleton 数据集上的实 - SIGIR广告检索中多样化关联模式建模
本文提出了一种数据驱动的方法,使用分层神经匹配模型(HiNT)来建立不同粒度的相关信号,以便在广泛的语义匹配中自适应的估计查询和文档之间的相关性。研究结果表明,我们的 HiNT 模型在基准自适应检索数据集上优于现有最先进的检索模型。
- 人脸运动去模糊
本篇研究提出了一种数据驱动的方法,通过运用并行流来去模糊面部图像并保留身份信息,用于在高级面部分析任务中获得更好的结果。
- NIPS学习 Koopman 不变子空间用于动态模态分解
该研究提出了一种基于数据驱动的 Koopman 谱分析方法,该方法通过最小化线性最小二乘回归的残差平方和来估计一组将数据转换为线性回归适合的形式的函数,并采用神经网络实现并在非线性动力系统及其应用中进行了实证评估。
- NIPS空间生成对抗网络纹理合成
本文介绍了一种基于生成对抗网络的新型纹理合成模型,即空间 GAN(SGAN),其通过将输入噪声分布空间从单一向量延展至整个空间张量,实现了高品质、高可扩展性和快速实时正向生成等特点,并能够将多个不同类别的源图像融合到复杂的纹理中。同时,本文 - 基于数据的 Koopman 算子近似:拓展动态模态分解
本文介绍了一种基于数据的方法,用于近似 Koopman 算子的主要特征,其不需要显式的控制方程或与 “黑匣子” 积分器的交互,并演示了该方法的可行性及其潜在应用示例。