- 自适应增强采样的对比度通用图匹配
我们引入了一种新颖的基于图对比的图匹配框架(GCGM),利用大量的图扩充进行对比学习,无需任何额外的辅助信息,通过各种实验证实,我们的 GCGM 在各个数据集上超过了最先进的自监督方法,迈向了更有效、高效和通用的图匹配。
- 整数规划图匹配问题的统一框架
该研究提供了图匹配问题的整数规划 (IP) 框架,通过合并来自不同学科的努力,帮助解决复杂的图优化问题,旨在简化实践中的困难问题,特别是在模式分析中。
- 可微分的近端图匹配
本文介绍了一种基于邻近算子的图匹配算法 (DPGM),通过将图匹配问题转化为一系列凸优化问题,实现了从图亲和矩阵到节点对应预测的可微分映射,该方法能够与深度学习框架有机地集成在一起,同时在合理的迭代次数内收敛于稳定点,并在多样数据集和 PA - 集成二次分配网络用于图匹配
通过图神经网络结合数据驱动和传统方法,该研究提出了一种解决图匹配问题的模型,该模型利用了随机抽样策略降低了计算复杂度和 GPU 内存使用,并在几个任务上得到了显著的性能提升。
- AAAI基于 SAT 的正则图模式匹配算法
我们提出了一种图同构的泛化方法,通过声明式规范来检查复杂的结构属性,其中规范以一种类似于正则表达式的图形形式给出,并且通过基于 SAT 的算法来检查目标图是否匹配给定的规范,并通过对 CodeSearchNet 数据集的广泛实验评估提出了一 - GMTR: 图匹配变换器
通过引入跨注意力模块和基于关键点的中心裁剪策略进行空间信息提取,QueryTrans 和 GMTR 分别提出了一种用于视觉匹配的新方法,其中 GMTR 在标准 GM 基准测试上表现竞争力强,而 QueryTrans 提高了 NGMv2 和 - 通过凸松弛求解图匹配问题
本文介绍了一种应对图匹配问题的新型凸松弛算法,通过闭合迭代的镜像下降方案,实现了在相关高斯维格纳模型下对应的唯一解高概率收敛,进一步确立了输入矩阵的新充要条件,并将其应用于噪声下的地面实况恢复中。
- M3C:混合图匹配与聚类的收敛、灵活和无监督学习框架
本文提出了一种基于 Minorize-Maximization 框架的无监督学习算法 M3C,它通过放松聚类来提供增强的灵活性,并结合了边缘亲和力学习和伪标签选择的 UM3C 模型,在公共基准测试中证明了其在精度和效率上优于当前最先进的图匹 - DHOT-GM:使用可微层次最优输运框架的稳健图匹配
本研究提出了一种基于可微分分层最优传输(HOT)框架的新颖有效的图匹配方法,称为 DHOT-GM。该方法通过不同模态信息的关系矩阵集合来表示每个图,并通过加权平均匹配结果推断节点对应关系,其匹配结果是在关系矩阵之间通过 Gromov-Was - 图匹配中的解决方案多样化匹配滤波器
本研究提出了一种用于在非常庞大的背景图中查找多个嵌入模板图的新方法,该方法基于 Sussman 等人提出的图匹配匹配滤波技术,通过在匹配滤波算法中迭代地对合适的节点对相似度矩阵进行惩罚,实现了多样化匹配的发现。此外,我们提出了算法速度的优化 - ICML关于相关随机块模型的精确图匹配的高效算法
本研究提出了一种有效的图匹配算法,该算法以基于每个节点的分区树之间的比较为基础,将大邻域划分为不同社区的统计指标来实现在稠密图中高概率完全匹配相关 SBMs 的第一个多项式时间算法。
- 视觉和语言之间的事件时空图作为共同表征的 GEST
本论文研究了人类能够无缝地建立世界内部表征能力,并通过一种明确的视觉和语言表征 - 时空事件图(GEST)来理解和仿效此能力。使用 GEST,我们可以通过图形匹配以语义和完全可解释的方式衡量文本和视频之间的相似性,并从提供良好理解的内容的共 - Bi-VLGM: 面向文本引导的医学图像分割的双层类别 - 严重程度感知视觉 - 语言图匹配
本文提出了一种双层级别的视觉 - 语言图匹配模型,以利用视觉 - 文本特征之间的类别和严重性关系,并通过引入类别 - 严重性感知提示和图匹配技术,促进医学图像分割任务的性能。
- 多标签图像识别的语义感知图匹配机制
本文提出了一种基于 Semantic-aware Graph Matching 的多标签图像识别框架(ML-SGM),通过建模内容感知(instance)和语义感知(label)之间的关系,显式建立分类之间的相关性和实例 - 标签对应关系, - 利用知识库中的先验知识进行结构化数据源的自动语义建模
本文提出了一种新方法,将知识图谱作为先验知识,通过机器学习、图匹配和修改频繁子图挖掘来语义注释结构化数据源。我们的评估显示,在只知道少量语义模型的棘手情况下,我们的方法优于两种最先进的解决方案。
- AAAI部分多图匹配的宇宙点表示学习
通过使用对象到宇宙的表述和学习抽象宇宙点的潜在表示,在多图循环一致性保证的情况下,基于图上深度学习的最新进展,提出了一种新的数据驱动方法用于部分多图匹配。该方法在 Pascal VOC、CUB 和 Willow 数据库上得到了验证,并在用合 - 多图偏配网络的学习宇宙模型
本文考虑了两个或多个图的部分匹配问题,采用了宇宙匹配方案,对内部匹配和异常点检测进行了建模,并且能够处理在线匹配、混合图匹配等情况,实验结果表明了方法的最先进性。
- ECCV稠密约束深度估计器用于单目三维物体检测
本文提出了一种名为 DCD 的算法,通过利用物体的关键点投影约束来估计多个深度候选项,使用更多地投影约束和产生更多深度候选项,实现了更准确的深度估计。该算法在 KITTI 和 WOD 基准测试上取得了最先进的性能。
- ICLR联合多维缩放的无监督流形对齐
该论文介绍了一种新的方法 —— 联合多维标度,它可以将来自两个不同领域的数据集映射到一个低维欧几里得空间中,同时只需要每个数据集内部的成对不相似性作为输入,并展示了其在联合可视化、异质领域自适应、图形匹配和蛋白质结构对齐等多个应用中的有效性 - ICMLSPECTRE:光谱调节帮助克服一次性图生成器的表达能力限制
从光谱角度处理图形生成问题,通过生成图形拉普拉斯光谱的主导部分并构建一个与它们匹配的图形来解决图形生成的问题。这种新的 GAN 模型 SPECTRE 不仅实现了比传统模型更高效的生成,还提高了模型建模的保真度,并避免了昂贵的序列生成和依赖于