- CVPR使用潜在分位数匹配的数据集压缩
我们提出了一种新的方法:潜变量分位数匹配(LQM),通过匹配潜变量的分位数来最小化两个分布之间的拟合优度检验统计量,以解决现有分布匹配方法的缺点。实证实验表明,LQM 在基于分布匹配的数据集压缩中与或优于先前的最新技术。此外,我们展示了 L - 分析原型对半监督分类学习的好处
通过使用原型为数据提供抽象表示,这篇研究论文探讨了原型在半监督学习中的应用,通过非监督方式形成数据的表示,以及无监督学习模型中的潜在嵌入和簇状表示的作用。
- 技术报告:用于学习鳟鱼幼虫行为潜在嵌入的蒙版骨骼序列建模
介绍了一种用于提取幼年斑马鱼行为中的潜在嵌入的新型自监督学习方法,该方法借鉴了图像处理中的 Masked Autoencoder 和自然语言处理中的 GPT 技术,并提出了一种基于 Transformer-CNN 的架构,Sequence - CVPR利用可解释性知识构建最优神经网络架构
通过对操作和体系结构模块的潜在嵌入与其所出现的架构的实际性能进行对齐,AutoBuild 能够为体系结构模块分配可解释的重要性评分,从而构建高性能的神经网络,无需进行搜索。通过对图像分类、分割和稳定扩散模型的实验,我们展示了 AutoBui - 多视角视频学习:利用弱标注实现帧级感知
使用弱标签在多视角视频上训练基于视频的动作识别模型,并使用潜在嵌入来提高准确性。
- 基于注意力机制的图解码器的符号评级限制
基于内积的解码器是用于从潜在嵌入中提取有意义数据的最有影响力的框架之一。然而,这种解码器在表示能力方面存在一些限制,尤其在图重建问题中。本文首次从理论上阐明了这一普遍现象在图数据中的影响,并提出了简单的修改方法,以避免偏离内积框架。
- 抗干扰型视觉问答的无干扰嵌入
利用 DRAX 方法进行异质嵌入的去干扰和注意力引导,以提高视觉 - 语言理解任务的效果,经过大量实验证明了该方法在多种方面的能力
- ICLR倒行逆施前行:基于行动影响的嵌入在行动语义之上
通过使用潜在嵌入来即时建模行为的影响,在行为自适应策略(AAP)中设计了一种新的基于 Transformer 的策略头,该策略被用于两个具有挑战性的视觉导航任务中,即使在推理时缺少行为和先前未见过的扰动行为空间时,也表现出很高的性能和鲁棒性 - 为相对表示法引导并行锚点
本文提出了一种优化方法,以从有限数量的种子中发现新的并行锚点,用于发现不同领域之间的语义对应关系,对齐它们的相对空间,并在多个任务中实现具有竞争力的结果,这展示了相对表示在启用潜在空间通信和零样本模型缝合方面具有潜力。
- 零样本多模式艺术家控制的三维物体集检索和探索
通过多模式输入,如 2D 草图、图片和文本从高质量的 3D 资产检索解决通常需要高度专业化技能才能手工设计和生成对象和其他资产模型的问题。
- 学习可学习的潜在嵌入用于行为和神经联合分析
CEBRA 使用行为和神经数据生成一致高性能的潜在空间,并发现了关于其空间映射、解释复杂的影像特征和自然影片的高精度解码。
- ICML基于图神经网络的概率生成模型在疾病基因预测中的应用
本文研究使用 VGAE 和 C-VGAE 作为无监督的方法,利用图神经网络进行疾病 - 基因关联网络的潜在嵌入表示,进而解决疾病 - 基因预测问题,结果表明 VGAE 和 C-VGAE 方法具有很好的性能
- 社交推荐的神经影响扩散模型
该论文提出了一种基于深度影响传播模型的社交推荐方法,模拟了用户在全局社交网中的递归扩散过程,取得了比最佳基线模型更优异的性能提升。
- WWW基于人物意识的提示生成
通过历史数据中的 `persona' 信息,提出了一个基于对抗自编码器的框架,用于将信息可视化为潜在变量,并开发了一个新的记忆储存方案,用于存储用户和项目的相关信息,然后使用递归神经网络生成出反映个性化评价的广告语。
- NIPS基于隐含参数马尔可夫决策过程的强健高效迁移学习
我们引入了一个新的 HiP-MDP 隐藏参数马尔可夫决策过程的处理方式,它能够通过低维度的潜在嵌入来建模相关任务的家族。我们采用贝叶斯神经网络来替换原模型中的高斯过程,从而使推理更具可扩展性,我们正确地模拟了潜在参数和状态空间中的联合不确定