- 高维度学习始终需要外推
本研究针对高维数据集中插值不可能发生的情况,从理论和实践角度出发,反驳了插值和外推能够准确指示泛化性能的说法,并挑战了当前插值 / 外推定义在泛化性能中的有效性。
- CVPR无监督图像转换中平滑解缕隐空间
本文提出了一种基于三个特定损失的新训练协议,并提出了一种新的评估度量来正确衡量 I2I 翻译模型的潜在风格空间的平滑性,实验结果表明该方法可以显著提高生成图像的质量和插值的渐进性。
- 毫无畏惧:插值视角下深度学习的卓越数学现象
本文阐述了深度学习和机器学习等领域中,数学理论在实践中的不足和理论难题。作者尝试从揭示深度学习基础的角度探究插值和超参数化的作用,以期近一步走向深度学习和机器学习的普适理论。
- CVPRAlignMixup:通过插值对齐特征来改进表征
介绍了一种名为 AlignMix 的新型混合方法,通过在特征空间中几何对齐两个图像,从而使混合方法保留一个图像的几何特征和另一个图像的纹理,提高了表示学习效果。
- 领域通用化中插值与外推的在线学习方法
本文在一个由风险最小化玩家和出题人提供新测试分布的在线游戏框架下,研究亚群体间的泛化。通过对子组概率似然性重赋权重的基础上,证明外推比内插计算复杂度高得多,而它们的统计复杂度没有明显差异。此外,我们表明 ERM 和含有噪声的变种对于两种任务 - 基于有符号属性向量的连续和多样化的图像到图像的翻译
本论文提出一种新增的有符号属性向量使映射在各种领域上具有连续可行性,且通过在一条有符号属性向量之间生成轨迹,结合域信息进行对抗训练,实现了更高质量的连续翻译效果。
- 岭回归中的良性过拟合
本研究探讨了过参数化模型在插值噪声数据时的行为,分析了数据的协方差结构和高效秩的子空间是如何影响该现象的发生,并提供了正则化条件下的结果。
- ECCVPointMixup: 点云增强
本文提出利用插值增强点云的数据,定义了点云之间的最短路径线性插值,介绍了 PointMixup 方法进行插值,可以引入基于插值的正则化方法,例如 mixup 和 manifold mixup,证明了 PointMixup 可以找到点云之间的 - ACL个性化语言建模插值策略的检验和扩展
本文论述了插值个性化语言模型的新策略和处理未登录词的方法,以提高个性化语言模型,并通过 Reddit 的公开数据演示了通过将全局基于 LSTM 的撰写模型与用户个性化 n-gram 模型插值,通过优化基于分布式的 OOV 惩罚和插值系数的后 - ACL阿尔茨海默病患者词汇检索障碍对神经语言模型敏感性的双重困惑之谈
通过混合训练有痴呆症和健康参与者语言的神经语言模型,使用单一特征的若干计算机方法进行痴呆症患者诊断分类,从而实现聚类的最新方法。
- ECCV针对手 - 物交互情况下 3D 手势姿态估计的未知视角、关节、形状和物体的泛化测量
研究 3D 手势姿势估计中不同类型方法的泛化能力,并通过公开挑战评估插值和外推的训练集姿势的能力,透彻分析了数据预处理、集成方法、使用参数化的 3D 手模型(MANO)以及不同的 HPE 方法 / 骨干网络对 3D 手姿势估计的影响,使得总 - NIPS数据流形上基于均匀插值约束的测地线学习
该论文提出了一种基于测地线学习的方法,利用自编码器网络将数据样本映射到潜在空间,并通过插值网络进行插值,以生成高质量的插值样本。
- ICCV无监督视频插值技术基于循环一致性
本文提出了一种基于循环一致性和伪监督的无监督技术,用于实现从低帧率视频直接合成高帧率视频。实验证明,该技术可以在不使用任何额外数据的情况下,显著提高预先训练模型在新目标域上的性能,从而大幅增加 PSNR 值。
- ICML训练神经网络通过插值
提出一种新的用于深度学习的优化算法,Adaptive Learning-rates for Interpolation with Gradients(ALI-G)。
- 无痛随机梯度:插值,线性搜索和收敛速率
本文提出了一种使用线性搜索技术自动设置步长的随机梯度下降算法,在数据插值设置中,使用 Armijo 线性搜索方法的 SGD 实现凸和强凸函数的确定性收敛率,同时提出了一种 Lipschitz 线性搜索策略的随机额外梯度的算法,该算法在满足嵌 - 二元预测器的 ROC 和 AUC:一个可能导致误导的度量
研究比较了二元预测变量的 ROC 曲线与 AUC 值之间的关系,在比较软件实现方法时发现线性插值法虽然最为普遍,但不一定得出最正确的性能评价。同时比较了阶梯函数插值法和 pessimistic 插值法的优缺点,建议在结果中说明插值法的使用方 - CVPR纹理混合器:一种可控的纹理综合和插值网络
本文提出了一种利用神经网络实现纹理插值的方法,通过对重建任务和生成任务同时训练网络,将样例纹理投影到潜空间中进行线性插值,并重投影到图像域中,从而实现直观的控制和逼真的效果;研究显示该方法优于其他方法,并给出了纹理笔刷、纹理溶解和动物杂交等 - 通过对抗正则化器理解和改善自编码器中的插值
本文提出了一个鼓励自编码器进行中间值重构的惯化机制,并通过一个简单的基准测试任务和经验证明,表明我们的惯化机制极大地改善了在这种情况下的插值能力,并产生对下游任务更有效的潜在代码。
- FlowFields++:精确的光流对应遇上鲁棒的插值
本文提出了 FlowFields ++ 算法,通过结合 Flow Fields 的准确匹配和稳健的插值方法,以及改进的变分优化作为后处理,针对稀疏匹配的准确性和插值方面的不足进行了改进,并在公开测试数据集 KITTI 和 MPI Sinte - 测度范数样条曲线:最优输运视角
本文介绍并讨论了通过最优输运的框架,从欧几里得空间中的点扩展到概率测度中的样条曲线,以此解决(经验)概率测度平滑插值的问题。