end-to-end optimization | BriefGPT

关键词end-to-end optimization

搜索结果 - 33

无监督跨域歌声转换
本文提出了一种无需手动监督的端对端 wav 到 wav 生成模型，用于实现任意身份的歌声转换，该模型利用音响模型和提取的旋律特征来驱动基于波形的生成器，经实验证明，在音频质量方面表现显著优于基线方法。
PDF4 years ago
实验室和野外环境下的不确定性感知盲图像质量评估
通过端到端优化特征工程和质量回归，盲目的图像质量评估（BIQA）模型的性能得到了显著提高。然而，由于实验室模拟的图像和野外拍摄的图像之间的分布偏移，仅在具有合成失真的数据库上训练的模型在处理现实失真方面仍然特别薄弱（反之亦然）。为应对跨失真
PDF4 years ago
单目深度估计和 3D 物体检测的深层光学
本文介绍了深层光学的概念，通过编码式的散焦模糊作为额外的深度线索，以端到端设计的光学和图像处理结合来解决单张图像的深度估计问题，提出了几种光学编码策略，并针对三个数据集进行了深度估计的端到端优化方案评估，结果表明在自由镜面设计方面得到了最佳
PDF5 years ago
可微分场景图
该论文介绍了 Differentiable Scene Graphs (DSGs)—— 一种可微的、可端到端优化的图像表示方法，该方法通过利用有标签的下游任务进行监督，对场景图中的实体和关系进行密集编码，从而在视觉推理任务中取得了新的最优表
PDF5 years ago
潜在翻译：通过连接生成模型跨越模态
本篇论文提出了一种基于先前训练的深度生成模型，利用潜变量空间进行无监督跨模态域迁移的新方法，并探索了通过学习一个后续接口来提高模块性的可能性。通过定量和定性的实验证明了该方法的有效性，证明了在迁移过程中局部性和语义对齐得到了保留，而且通过这
PDF5 years ago
稳健路径跟随的视觉记忆
该文章提出了一种利用路径抽象、端到端优化神经网络实现在动作不确定性和环境变化下追踪路径的方法，并在仿真器中进行了实验验证，结果表明其表现优于传统方法和其他基于学习的基准线。
PDF6 years ago
TADAM：基于任务的自适应度量，用于改善少样本学习
本文提出任务依赖式的度量空间及端对端的优化方法，以改进 Few-shot learning 的性能并取得目前最佳实验效果。
PDF6 years ago
面部属性分类的级联卷积神经网络多任务学习
提出了一种基于多任务联合训练的级联卷积神经网络方法（MCFA），用于同时预测多个面部属性，该方法采用新颖的动态加权方案自动为每个面部属性分配损失权重，实现粗到细的联合训练，能够实现端到端优化。实验结果表明，该方法在 CelebA 和 LFW
PDF6 years ago
翻译中的损失：使用检索准则学习双语单词映射
本文提出了一种端到端的优化方法来解决跨语言对齐问题，实验表明该方法在单词翻译上的表现优于现有的最先进方法，尤其是对于英汉等远距离语言对齐效果更为显著。
PDF6 years ago
DeepVoting: 一种鲁棒且可解释的深度网络，用于部分遮挡下的语义部分检测
本文提出了一种基于深度学习的 DeepVoting 算法，该算法可以检测物体的语义部位，即使存在局部遮挡的情况，并可以同时进行端到端的优化，通过提取局部视觉线索和空间关系进行投票机制，实现了该任务。
PDF7 years ago
CVPRMDNet：一种具有语义和视觉可解释性的医学影像诊断网络
本文提出 MDNet，一种基于计算机视觉和自然语言处理的医学影像诊断模型，它可以自动阅读影像，生成诊断报告，并直接对症状进行图像检索，可视化诊断过程，实现端到端的优化训练，从而显著提高了在膀胱癌影像和报告数据集上的诊断准确率。
PDF7 years ago
深度匹配和验证网络 -- 一种约束图像拼接定位和检测的端到端解决方案
本文提出了一种名为 Deep Matching and Validation Network（DMVN）的新型深度卷积神经网络架构，该方法可以同时定位和检测图像拼接，不依赖于手工特征，并使用原始输入图像创建深度学习表示，通过端到端优化产生概
PDF7 years ago
面向感知质量的非线性变换编码的端到端优化
本文介绍了一种通用的框架，用于端到端优化非线性变换编码的速率失真性能，可以使用任何可微分的分析和综合变换与任何可微分的感知度量相结合，例如使用多维本地增益控制构建的线性变换后的编码，通过现代感知度量对失真进行测量以优化大型图像数据库上的编码
PDF8 years ago