- CVPR基于视觉语义嵌入的广义零样本识别
本文提出了一种新颖的广义零样本学习(GZSL)方法,它对训练期间的未见图像和未见语义向量具有不可知性。通过提出一种视觉实例的低维嵌入来打破视觉 - 语义间隙,并借助一个新的视觉神谕来量化噪声语义数据的影响,以提高准确性。在一系列数据集上用图 - ICLR使用有向信息从未经分段的演示中学习分层策略的 Directed-Info GAIL
本研究提出一种新的算法,它可以使用生成对抗性模仿学习框架,通过图模型来学习未分割演示中的子任务策略,并通过优化图模型中子任务潜在变量和其生成的轨迹之间的有向信息流来提高性能,同时将该方法与现有的层次策略学习框架 Options 连接起来。
- AAAI利用图像标签进行弱监督显著目标检测
本篇论文提出采用无监督学习方法生成的显著图用于像素级注释,在此基础上采用简单而有效的算法训练卷积神经网络,使用图形模型和完全卷积网络为模型更新修复标签歧义和更新粗糙激活地图,结果表明,该算法与目前最佳的强监管方法相当,性能明显优于所有最新的 - 多模态多人行为生成建模
提出了一种建模和预测人类行为的方法,将人类建模为图形模型中的节点,并为每个人学习多模态概率分布,以预测日常交互中的未来行为。
- MM人类大脑皮层连接驱动的划分方法
该论文针对连接信息,提出了无损整合整个人类大脑皮层的划分方法,利用聚类和流形学习技术、图形模型等手段,实现了对大脑结构和功能特征的准确提取,并对其进行了多层次评估。
- 利用图神经网络进行小样本学习
本文提出通过部分观察的图模型推断来研究少样本学习问题,结合传递消息推断算法与神经网络的图神经网络架构,可以泛化多个最近提出的少样本模型,并可以扩展到半监督学习和主动学习等少样本学习变种,展示了图形模型在关系型任务上操作的能力。
- 集体活动识别的潜在嵌入
本文提出了一种嵌入潜在变量的深度学习框架,具有关注机制,可用于在集体活动场景中捕捉更丰富的交互信息和背景信息,取得了优于现有方法的性能。
- 模块化结构中的统计学习:更好的协同作用?
本文研究为何在误定义环节下,模块化方法比完整模型更可取,并提出选择模块化和完整模型方法的原则标准。
- KDD运气难以击败:体育预测的困难
本文提出了一个通过计算比赛结果与完美平衡比赛结果之间距离的系数来衡量体育赛事预测的难度,并通过收集和分析 198 个体育联赛中的所有比赛来衡量竞争力与各国和各项运动的竞争力。文章还提出了概率图模型来学习团队技能,并将技能分解为与团队特征相关 - NIPS半监督深度生成模型学习分离表示
该研究提出了一种使用图形模型和深度神经网络架构的变分自编码器,能够学习到不同的表示形式,进一步实现半监督学习,其生成的能力和区分能力也得到了充分验证。
- 食物桥接:揭示烹饪原理的新网络构建
本文介绍了传统菜肴背后的新原则:食物桥接假设,分析了一组食品组合数据,用与 Ahn 等人在食品搭配研究中使用的相同数据集和图形模型比较食品桥接假设与食品搭配假设,结果表明这两种假设都在传统菜肴中得到了证实。
- 多目标联合分割和跟踪的多割切形式化
本文提出一种基于最小代价多切割公式的联合图模型,该模型结合了点轨迹和对象检测的高级信息和本地关系,成功地解决了运动分割和多目标跟踪等任务。
- MM最优潮流的图模型
本文提出一种基于树形结构图模型和区间离散化的近似算法,使用约束规划技术和自适应边界传播算法,能够解决优化问题,适用于任意分配网络和混合整数优化问题,可在智能电网应用中使用,实现分布式消息传递方式,具有良好的可伸缩性和实际效用。
- 网络最大相关
介绍了一种基于最优化方法的非线性关联性的多元测量方法,称为网络最大相关性 (NMC),并且证明可以用基函数来计算并且在有限离散和联合高斯随机变量中刻画 NMC 优化问题的解。此外,通过提出一种交替条件期望算法,为有限离散变量提供了一种确定 - 基于消息传递的布尔矩阵分解和噪声补全
通过图模型和传递信息的方法,本文提出一种处理布尔矩阵分解和噪声下的布尔矩阵完成的方法,可线性处理观察点和因子数量,实验结果表明该方法在实际应用中可以较好地恢复低秩布尔矩阵。
- 面向实体链接的概率超链接包模型
本文提出了一种基于概率图模型的联合实体消岐方法,充分利用了文档级别实体共现和上下文信息,避免昂贵的训练过程和专业特征工程,通过节点置信传递来做近似推断,能够在实时场景中快速高效地工作,对多种基准数据集进行了准确性测试,表现与现有先进方法相当 - ICCV每个像素都是分类器的密集语义对应
本文探讨了将语义对应视为约束检测问题的可能性,介绍了使用 LDA 分类器学习每个像素点的方法,并将该问题表述为图模型。
- CVPR联合图像分割和标记的服装共同解析
本文提出了一个数据驱动框架,分为两个分布,提出了穿着共解析的集成系统,以共同解析一组穿着图片(未分割但带标签的)。第一阶段提出图像协同分割,第二阶段构建多图形模型并使用 Efficient Graph Cuts 算法进行联合标签分配,实验结 - CVPR通过灵活组合解析遮挡人体
提出了一种解析存在显著遮挡人体的方法,该方法利用了图形模型建模,使用了柔性部件组合和部分共享技术来提高搜索效率,并且在人体姿态估计中表现出了明显的性能优势。
- 通过粗到细的级联分类器裁剪,加速图形模型优化
提出一种基于多尺度修剪方案和学习分类器粗到细级联策略的通用框架,可以显著加速图形模型优化,同时保持卓越的解决方案精度,在计算机视觉相关的 MRF 问题上,该框架能够不断提高常数时间速度,并比直接优化 MRF 获得更精确的解决方案。