feature alignment | BriefGPT

关键词feature alignment

搜索结果 - 70

通过时间组对齐和融合的压缩视频质量提升
本论文提出了一种时序群组对齐和融合网络，通过利用帧之间的长短期相关性来提高压缩视频的质量。该网络包括内部组特征对齐模块、外部组特征融合模块和特征增强模块，通过选择与目标增强帧的时间距离来组成图片组，从而使图片组能够包含邻近帧的长期或短期相关
PDF20 days ago
只需缩放和平移
通过特征对齐的方法，在联合特征空间中通过模态之间的特征迁移和特征扩展实现了多模态信息的完全整合，从而可靠地捕获来自不同模态的特征之间的高级相互作用，并在多模态学习性能上取得了显著的提升。对包含时间序列、图像和文本的多模态数据集进行了广泛的实
PDF21 days ago
DATR: 无监督领域自适应检测 Transformer 模型：基于数据集层面适应与原型对齐
我们提出了一种强大的基于 DetR 的检测器，名为 Domain Adaptive Detection Transformer (DATR)，用于无监督域自适应目标检测，通过有效地对跨域特征进行类别感知的对齐，明确引导检测器实现全局表示，并
PDFa month ago
跨模态步态识别：连接 LiDAR 和相机模态进行人类识别
本研究主要关注于穿越不同传感器跨模态识别行人的步态识别研究，通过提出 CrossGait 方法，利用特征对齐策略进行跨模态数据检索，并通过 Prototypical Modality-shared Attention Module 和 Cr
PDF3 months ago
基于注意力的多源域自适应目标检测中的类别条件对齐
领域自适应方法针对目标检测（OD）旨在通过促进源域和目标域之间的特征对齐来减轻分布偏移的影响。多源域自适应（MSDA）允许利用多个带注释的源数据集和未标记的目标数据以提高检测模型的准确性和鲁棒性。最先进的 MSDA 方法通常采用类不可知的特
PDF4 months ago
探索夜间光流的共同外观边界自适应
我们研究了夜间光流的一项具有挑战性的任务，该任务在纹理衰弱和噪声放大等问题下受到影响。我们探索了一个共同的潜在空间作为中间桥梁，以加强辅助领域和夜间领域之间的特征对齐，提出了一种新颖的共同外观 - 边界自适应框架用于夜间光流。我们利用内在图
PDF5 months ago
跨域混合增强的半监督域适应
这篇论文介绍了一种新的半监督领域适应方法，称为具有领域内混合和邻域扩展的跨域集成，以解决标签空间中的标签不匹配问题，并通过利用邻域扩展进一步提高自适应模型的性能。
PDF5 months ago
AAAI通用类别发现的转移和对齐网络
广义类别发现任务中，传统方法在已知类别上的表现较好，但在新颖类别上表现不佳。为了减轻这两个问题，我们提出了一种转移和对齐网络 (TAN)，它包含两种知识转移机制来校准偏倚知识和两种特征对齐机制来学习判别特征。我们的结果显示，我们的模型在新颖
PDF6 months ago
AAAI多级领域校准实现的通用睡眠分期
自动睡眠分期对于睡眠评估和疾病诊断至关重要。本文引入了领域泛化概念，提出了通用睡眠分期任务，旨在提高模型对未见数据集的泛化能力。我们设计了一个名为 SleepDG 的框架，通过多级特征对齐来学习领域不变的特征表示。SleepDG 在五个公共
PDF7 months ago
MetaDefa: 基于域增强和特征对齐的单域泛化元学习
基于领域增强和特征对齐的元学习方法被提出，以改善单一领域泛化模型的泛化性能。利用背景替换和视觉破坏技术生成多样和有效的增强领域，设计了基于类激活图和类不可知激活图的多通道特征对齐模块，以提取足够的可迁移知识。在两个公开数据集上的广泛实验表明
PDF7 months ago
DA-STC: 基于时空一致性的领域自适应视频语义分割
通过引入双向多级时空融合模块和类别感知的时空特征对齐模块，提出了一种新颖的 DA-STC 方法来解决视频语义分割任务中的领域自适应问题，并在多个具有挑战性的基准测试上取得了最先进的 mIOUs。
PDF7 months ago
协方差对齐：从最大似然估计到 Gromov-Wasserstein
提出协方差对齐模型以研究和比较各种对齐方法，并建立一个非标准维度缩放的最小最大下界，该下界通过自然准最大似然估计取得，但该估计涉及计算不可行的排列搜索，为了克服这个限制，证明了崇高 - 瓦瑟斯坦算法的最小最大最优性。这些结果为实践中使用 G
PDF7 months ago
3DifFusionDet：基于鲁棒性激光雷达与相机融合的三维物体检测的扩散模型
该研究提出了 3DifFusionDet 框架，将 3D 目标检测视为从噪声 3D 框到目标框的去噪扩散过程，并通过特征对齐策略和渐进改进方法，在 LiDAR-Camera 融合中取得了显著贡献。实验证明，3DifFusionDet 在 K
PDF8 months ago
基于蒙面特征对齐的均值教师 DETR：一种稳健的领域自适应检测 Transformer 框架
我们提出了一种名为 MTM 的两阶段框架，利用无监督领域自适应进行目标检测，其中包括遮蔽特征对齐的方法，该方法能够在预训练阶段防止性能波动并获得稳健的预训练模型，在自训练阶段提高模型的目标性能。
PDF8 months ago
ICLR基于 SAM 指导的无监督领域适应用于 3D 分割
本研究提出了一种基于图像与点云的混合特征增强方法，通过利用 SAM 模型在三维领域中的普适性能力，解决了未标注域适应中的领域差异问题，并在三维分割任务中取得了最新的研究进展。
PDF9 months ago
GraphAlign: 多模态三维物体检测中通过图匹配提升准确的特征对齐
本文介绍了一种名为 GraphAlign 的更准确的 3D 物体检测特征对齐策略，采用图匹配的方式融合来自图像分割编码器的图像特征和来自 LiDAR 的点云特征，通过投影校准和自我注意机制实现异构模态间的特征对齐。我们在 nuScenes
PDF9 months ago
医学影像领域中的无监督域适应深度学习：最近的进展与未来展望
深度学习在医学影像中取得了显著的性能，但主要关注有监督学习。为了解决这些问题，已经开发了无监督领域自适应技术，用于从一个有标签的领域转移知识到一个相关但无标签的领域。本文从技术角度对医学影像中最新的深度无监督领域自适应方法进行了综述，并将其
PDFa year ago
ICCV视频人体姿态转换的双向可变形运动调节
本文提出了一种新的可变形运动调制（DMM）技术，它使用具有自适应权重调制的几何核偏移来同时执行特征对齐和风格迁移，并通过双向传播来提高运动预测能力，以实现基于视频的人体姿态转移。
PDFa year ago
替代性伸缩位移测量：一种高效的多模态对齐方法
提出了一种特征对齐方法，该方法完全融合了多模态信息，可以稳健地捕捉不同模态特征之间的高级交互作用，从而显著提高多模态学习的性能，实验评估结果表明该方法达到了最先进的性能水平。
PDFa year ago
通过盒匹配实现多模式三维物体检测
本论文提出了一种用于自动驾驶场景中多模态三维物体检测的新型融合网络 FBMNet，其通过在边界框级别上学习对应关系以自由化校准依赖，从而提供了一种用于跨模态特征对齐的替代方法。在 nuScenes 数据集上的实验表明，该方法比现有融合方法更
PDFa year ago