- CVPR基于模型的二值文档图像压缩迭代恢复与字典学习
使用贝叶斯框架和字典学习设计了一种代价函数,可以重建出更高质量的二进制文档图像并构建出表示和编码该图像的字典,实验结果表明该方法相对于原始噪音图像在视觉效果和压缩比上得到了显著提升。
- ICCV低秩建模的鲁棒可克罗内克分解成分分析
该论文介绍了一种新的具有鲁棒性的图像分解方法,并通过与张量因子分解的联系设计了有效的学习算法,在背景减除和图像去噪等现实应用中取得了较好的效果。
- AAAI利用字典学习和扩展解码的关联记忆
本文研究了一类神经联想记忆的设计问题,该记忆可以在大量对抗性错误的情况下储存大量的消息向量,并通过迭代错误纠正的方法从网络中获取正确的消息向量,设计思路为将学习和召回阶段分别映射到正方形字典的学习和迭代纠错卷积码的错误纠正任务中。
- 快速的共享低秩字典学习用于图像分类
本文提出了一种新的字典学习方法,依据共性和特异性的原理同时学习共性和分类特定的特征以实现更准确的分类,并通过实验验证了该方法的效率和实际应用的优越性。
- 多模态字典学习用于图像分离及其在艺术调查中的应用
提出一种新的多模态成像和词典学习的耦合框架方法,以改进画作分析中的 X 射线信号分离过程。实验结果显示这种方法能够成功地从单一 X-ray 扫描中分离出含有多种信息的图像。
- 自我表达字典学习用于动态三维重建
本文提出了一种基于压缩感知技术和字典学习的三维重建方法,可以恢复无序视频序列中动态物体的时变结构,并且在多个视频流中具有结构依赖性和运动平滑性,实验结果表明了该方法的有效性。
- 稀疏约束投影的高效字典学习
本文介绍了一种名为 EZDL 的字典学习算法,利用一种新的最优化技术来学习适用于稀疏编码的字典,并在图像处理中获得了成功应用,同时该算法所学的字典能够以整体效果优异的方式表达图像。
- Trainlets: 高维字典学习
本文介绍了一种新的基于裁剪小波分解的算法,可以用于更大尺寸的图像处理和信号处理,并结合在线稀疏字典学习算法进行自适应字典训练,得到大的可适应原子 - trainlets。
- CVPR通过多维字典学习进行的三维数据去噪和补全
本文提出了一种新的面向多维数据的字典学习算法 KTSVD,通过张量分解的代数方法直接学习多维字典,并且应用稀疏编码的思想进行视频填充和多光谱图像去噪处理。
- MM球面上完整词典恢复:利用黎曼信赖域方法进行恢复
本文中,我们提出了一种基于流形优化的 Riemann 信任域算法来有效恢复具有特定几何结构的矩阵材料,在字典学习,稀疏表征和现代信号处理和机器学习等各种应用中取得了显著的效果,并且解决了稀疏列下矩阵恢复的难题。
- 个性化年龄进展与老化字典
该论文提出了一种自动化、个性化生成老化人脸的方法。利用一组特定年龄组的字典来学习老化过程,其中相同索引的字典基础表现为不同年龄组的老化特征,可线性组合生成个人的老化特征。在字典学习过程中,考虑每个受试者额外的个人化面部特征和采集领域的限制。 - ICCV基于非负正则化多重局部编码的视觉跟踪
本文提出一种基于近似局部线性编码的物体跟踪方法,通过替代传统的非负约束,使用 L2 正则化项获得相似的非负效果,在理论分析及定位字典的方法上做了较为详细的解释,并在其基础上提出了一种简单高效的遮挡检测方法,实验结果表明该跟踪算法在多个数据集 - NIPS用于三阶超对称张量的字典学习与稀疏编码
本文介绍了如何利用研究超对称张量在字典学习和稀疏编码中的应用,将其近似为来自学习字典的对称半正定矩阵成的稀疏锥组合。此方法可以更好地聚合高维数据,在一些计算机视觉任务上展现了优越表现。
- 字典学习的极小极大风险
本文论述了关于从多个观察值中学习字典矩阵的问题,并得出了三个不同的下限,分别应用于不同的生成模型,特别地,其中一下限是通过假设真实字典满足受限等同性性质,并基于信噪比来计算的。
- 正定矩阵的黎曼字典学习和稀疏编码
本研究提出一种新的 Riemannian 几何方法来通过学习字典中的 SPD 原子的稀疏锥组合,将数据表示为 SPD 矩阵。通过比较与其他非 Riemannian 公式的稀疏编码的分类和检索性能,我们的实验表明了这种方法的卓越性能。
- 基于张量的字典学习方法用于层析图像重建
本研究利用来自训练图像的字典作为先验进行断层扫描重建,并使用张量表示和稀疏约束来解决字典学习和重建问题。结果表明,我们的张量表示方法可以得到非常稀疏的表示,同时能够紧凑地表示重复的特征。
- 球上的完整字典恢复
本文利用一种 Riemannian 信任域算法解决了矩阵恢复和字典学习问题,通过几何结构证明了算法的有效性,同时为非凸回收结构的其他问题提供了启示。
- MRI 重建中的快速多类别几何方向字典学习
介绍了一种用于磁共振成像重建的快速多类字典学习方法,该方法根据几何方向将图像分成分类块并在每个类别中训练字典,使得图像可以被自适应地稀疏表示,进而提高了图像重建的质量和速度。
- 具有侧面信息的压缩高光谱成像
本研究提出了一种盲压缩感知算法,可以从光谱压缩测量中重建高光谱图像,并使用 RGB 图像作为辅助信息来改善重建质量。实验结果验证了该算法的有效性和液晶 - 硅调制器相机的可行性。
- 多模态任务驱动的字典学习用于图像分类
本文提出一种基于联合稀疏性约束的多模态任务驱动字典学习算法,以协作多个同质 / 异质信息源,可以学习出多模态词典以及相应的分类器,并在多种应用中具有较高的分类性能和更高的计算效率。