关键词differentiable optimization
搜索结果 - 7
- 可微分的 Frank-Wolfe 优化层
该论文介绍了一种名为 Differentiable Frank-Wolfe Layer(DFWLayer)的可微分层,借助 Frank-Wolfe 方法解决了带约束优化问题,从而提供了处理大规模问题的高效方法。实验证明 DFWLayer 在 - CVPR基于直觉物理的 3D 人体姿态估计
本研究描述了一种新方法 ——IPMAN,通过将 3D SMPL 身体与场景交互生成压力热图、Center of Pressure 和 Center of Mass 来估计 3D 人体,以此加强地面接触和稳定性。它的优势在于易于实现、计算速度 - 差分蕴涵用于参数高效的少样本学习
本论文提出了一种新的技术,通过采用中间训练和可区分化优化的方式,在限制模型参数时实现 few-shot 学习的参数效率。作者通过实验量化了参数效率和性能在 few-shot 领域的权衡,并提出了一个简单的模型无关方法。
- TorchOpt:一种高效的可微优化库
本文介绍了基于 PyTorch 的不同 iable optimization 库 TorchOpt,TorchOpt 提供了一个统一和表达力强的不难 iable optimization 编程抽象,可以支持多个 CPU / GPU 上的高效 - ICLR学习可微分的处理硬约束系统的求解器
提出一种实用的方法,通过神经网络来精确实现偏微分方程控制,利用可微分优化和隐式函数定理来有效实施物理约束,模型能够在域内提供准确满足期望物理约束的连续解。
- DADA: 可微分自动数据增强
本研究提出 Differentiable Automatic Data Augmentation (DADA) 算法,使用 Gumbel-Softmax 方法实现对离散的数据增强方法的选择,引入 RELAX 无偏梯度估计方法,提高了数据增强 - 可微凸优化层
该文章提出了一个通过不同的可微优化层实现端到端分析微分的方法,并重点介绍了如何通过离散凸程序进行不同的分析微分,同时在不同的框架中使用该方法,包括 CVXPY,PyTorch 和 TensorFlow 2.0。