hierarchical prior | BriefGPT

关键词hierarchical prior

搜索结果 - 6

基于分级优先的点云几何压缩的超分辨率
该研究论文提出了一种基于几何的超分辨率方法，用于点云几何压缩，并通过构建内容相关的分层先验实现了粗粒度到细粒度的点云几何超分辨率，以在编码器和解码器之间实现更准确的先验，以减少位数消耗并获得资源占用等方面的性能改进。
PDF5 months ago
利用近邻信息的稀疏内稀疏高斯过程
通过引入一种新的层级先验，实现了对诱导变量集合的稀疏约束，使得高斯过程法在通过基于小批量学习实现超大规模推断时具备更好的效率。
PDF4 years ago
ICML用 VAEs 学习平坦的潜在流形
本研究提出了一种基于 Riemannian geometry 的扩展的变分自编码器框架，可以学习平面的潜在流形，通过约束优化问题和使用更具表达力的层次先验代替紧凑先验，使得在保留直线状方法的计算效率的同时，能够在视频跟踪基准测试中接近监督学
PDF4 years ago
在 VAEs 中学习分层先验
本文提出了在变分自编码器中学习分层先验以避免标准正态先验分布造成的过度规则化。为了激励数据的具有信息的潜在表示，我们将学习问题公式化为带有约束的优化问题，并将 Taming VAEs 框架扩展为两层分层模型。我们引入了基于图形的插值方法，该
PDF5 years ago
CVPR具有层次先验的变分贝叶斯 Dropout
我们提出了一种新的名为 Variational Bayesian Dropout (VBD) 的泛化 Gaussian Dropout 方法，其利用分层先验来推断联合后验，以解决 Variational dropout 中的不恰当先验带来的
PDF6 years ago
鲁棒贝叶斯神经网络的确定性变分推断
本研究提出两种创新方法以将变分贝叶斯转化为贝叶斯神经网络的稳健推理工具：一种新的确定性方法用于逼近神经网络的矩，消除了梯度方差；一种参数的分层先验和自动选择先验方差的新的经验贝叶斯程序。将这两种方法结合起来，所得到的方法高效而稳健，在异方差
PDF6 years ago