- ACL通过字典学习实现 Transformer 可视化:上下文嵌入作为 Transformer 因子的线性叠加
本文提出使用字典学习作为线性叠加的 Transformer 成分的可视化工具,以展示 Transformer 成分所捕捉到的分层语义结构,包括词级歧义消歧,句级模式形成和远距依赖。这些模式中有些证实了常规的语言学知识,而有些则相对出乎意料, - 在线图形词典学习
我们提出了一种在线图形字典学习方法,这种方法使用 Gromov Wasserstein 距离进行数据拟合项,从而对未注册图表的数据集进行建模,本方法在无监督嵌入图数据集和在线图形子空间估计和跟踪方面表现出良好的实用性。
- AAAI深度语义词典学习用于多标签图像分类
本文提出了一种新颖的端到端模型 DSDL,将多标签图像分类问题视为字典学习任务,利用自动编码器将类级语义生成语义词典,利用字典表示 CNN 提取的视觉特征,同时通过 APUS 算法优化,为多标签图像分类问题提供了一种简单而优雅的解决方案,与 - 正交群上 $l^4$- 范最大化的完全字典学习
本文提出了一种基于正交组上的∣𝐿4∣范数最大化方法,通过匹配、拉伸和投影,实现了完整字典的学习,并得到了理论上的优化保证及高效的实验验证,该方法在图像处理中具有应用前景。
- ICLRNOODL: 可证明的在线字典学习和稀疏编码
通过开发 NOODL (一种可行的神经可塑性交替优化在线字典学习算法)来解决字典学习中字典和系数参数优化是不凸问题的挑战,并在必要时对稀疏系数进行支持恢复,进而提高了在稀疏信号处理和神经网络等领域的实际应用价值。
- 次梯度下降学习正交字典
本文研究字典学习中稀疏编码问题,在合理的数据统计假设下,我们基于随机初始化的次梯度下降算法,可以证明地恢复出非光滑、非凸的 L1 范数最小化问题的正交字典,相对于之前需要昂贵计算或精细初始化的证明方法有不同的优势。我们的分析开发了多种工具来 - MM基于耦合字典学习的多模态图像处理
该论文提出了一种基于耦合字典学习的多模态图像处理框架,能够在所学的稀疏变换域中捕捉不同图像模态之间的相似性和差异性,并能够用于改善图像处理任务,如图像去噪。
- 寻找 GEMS:高维图信号的多尺度词典
本文提出了一种适用于更广泛类型的图信号的字典学习算法,该算法通过将学习到的字典原子强制设置为图小波函数的稀疏组合,以及添加直接的图约束来提高特征和多样性领域的平滑度,从而实现了对感兴趣的数据进行调整,同时遵循底层图结构和具有所需的多尺度属性 - 使用稀疏支持恢复学习简单的阈值特征
本文介绍了阈值特征作为稀疏编码推理过程的一个高效近似方法,并提出了字典学习优化模型 DLTF,研究了它的性能表现及其与深度学习建筑块之间的潜在联系。
- 通过领域自适应字典学习实现跨域视觉识别
本文提出了一种新的领域自适应字典学习框架用于跨领域视觉识别,该方法通过学习一组中间领域,形成一个平滑的路径来弥补源域和目标域之间的差距,并通过分离共享字典和特定字典来实现更紧凑和再现性字典的学习,通过领域自适应稀疏编码和字典更新步骤学习。实 - CVPR部分人员再识别的深度空间特征重构:无需对齐的方法
本文提出了一种基于完全卷积神经网络的快速准确的匹配方法,结合了深度空间特征重建和字典学习模型来映射不同的部分人物图像以解决局部人物再识别问题,并在多个数据集上进行的实验证明了该方法的有效性和效率。
- NIPS交替极小化字典学习:局部收敛保证
利用替代最小化算法,本篇论文提出了一种字典学习 / 稀疏编码问题的理论保证算法。与以往的理论分析不同,该算法在真实字典的运算符范数条件上转换为矩阵无穷范数条件,并具有信息理论上的优化稀疏性和适应不同过完备度的特点,同时也确立了算法的样本复杂 - 学习四边形片以进行 3D 形状参数化和补全
通过表面贴片定义一种新颖的三维形状参数化方法,并提出了字典学习和贴片重建的新方法,在 3D 形状修补、去噪和压缩方面取得了好的效果。
- 卷积字典学习:一次比较评估和新算法
本文介绍卷积稀疏表示作为一种稀疏表示的形式,其字典结构相当于一组线性滤波器的卷积。虽然最近已经开发出有效的算法来解决卷积稀疏编码问题,但相应的字典学习问题更加具有挑战性。此外,虽然已经提出了许多不同的方法,但缺乏彼此之间的彻底比较,使得很难 - 多层卷积稀疏建模:追踪与字典学习
本研究提出了一种新的解释卷积神经网络的模型,即多层卷积稀疏编码模型,并解决了该模型展开等问题,进而把该模型用于无监督学习中的不同应用中,取得了有竞争力的结果。
- 稀疏编码与自编码器
本文通过研究基于自编码器的坐标下降方法,证明了只需非常温和的分布性假设,依然可以基于自动学习的 ReLU 等门函数自动挖掘稀疏编码的支撑集,而且在原支撑集附近,正则平方损失的期望梯度的范数绝对值随着稀疏编码维数的增加而渐进地降低。
- 可扩展的在线稀疏卷积编码
通过在线学习,将卷积稀疏编码(CSC)目标重新表述,并利用交替方向乘子方法(ADMM)求解其优化问题,显著提高了算法训练效率和图像重建性能,同时能够处理更大规模的图像数据集。
- 双层衰老字典学习个性化年龄进展
本研究提出了一种基于双层字典学习的个性化年龄进展方法,通过学习邻近年龄组的人脸对,生成针对每个年龄组的不同的年老特征,并综合这些特征生成个性化的年龄进展过程。实验表明该方法在个性化年龄进展和跨年龄人脸鉴别方面性能优于其他技术。
- 局部处理的卷积字典学习
本文介绍了基于局部稀疏度量的全局模型,解决了传统基于补丁的稀疏表达的限制,通过操作图像补丁来解决卷积稀疏追踪问题并训练涉及的滤波器,为图像修补和分离问题提供了一种直观的算法。
- 跨标签压制:具有群组正则化的鉴别性快速字典学习
该论文提出了一种通过学习紧凑且具有区分性的字典来实现图像分类的方法,其中引入了交叉标签抑制和分组正则化等约束策略来提高分类性能,并基于该字典实现了两种简单的分类方案,并在多个数据集上进行了实验证明了该方法具有更高的识别准确率和计算效率。