关键词latent space representation
搜索结果 - 8
- 通过等变表示的对比学习
提出了一种新的基于等变性的对比学习(ECL)框架 CLeVER,兼容各种主流对比学习方法和模型框架的任意复杂的增强策略,并通过从数据中提取和整合等变信息,提高了基线模型在后续任务中的训练效率和鲁棒性。
- 学习元数据外的原始图像重建
提出了一种基于 latent space 学习的,对 raw images 进行压缩的新框架,包括了对于图像的不对称和混合空间特征分辨率设计、context model 的新设计和 sRGB 导向的自适应量化策略设计,并且提供了一种新的单模 - 对比学习 MRI 重建
使用自监督对比学习最大化 MRI 扫描的不同加速图像之间相互之间的信息量,得到可以用于快速重建图像的 MRI 潜在空间表示方法 COLADA,并在方法对比和评估中表现优异。
- AQ-GT:一个用于共语手势合成的时间对齐和量化的 GRU-Transformer
使用生成对抗网络和量化流水线预训练局部姿态序列,为生成和重构手势提供基础,从而更准确地模拟人类运动和行为,取得了比现有方法更好的效果,并公开了数据管道和生成框架。
- 基于分层条件变分自编码器的声学异常检测
该研究旨在开发一种基于声学信号的无监督异常检测方法,提出了一种名为 HCVAE 的新方法,利用可用的分类层次知识来完善潜空间表示,提高异常检测性能,并在不同领域进行实证研究,其性能優于基线系统 15%的 AUC 得分。
- 基于零样本离群生成和分层特征提取的异常检测
本文提出了一种可以通过生成异常样本来解决少数异常样本数据不均衡的方法,利用自编码器和变分自编码器的双层分层潜空间表示来将合法数据的特征描述符深度提取为更强的表示,再利用这些生成器合成未见过的负样本,训练二元分类器以获得鲁棒的且无需实际异常样 - 数据驱动的三维晶体结构编码与解码方法
该论文提出了通过对晶体单位单元中的原子位置进行编码和解码的方法来生成 3D 分子模型的连续压缩潜空间表示,该过程中使用了 Encoder-Decoder 对和另一个网络来对输出进行分割和分配原子。
- KDD维基百科编辑生命周期的潜在空间分析
本篇文章利用主题分析的思想将 Wikipedia 编辑历史活动转化成潜在空间的表示方法,揭示了多种不同类别的编辑者(如内容专家、社交网络者),并展示了这种表示方法可以预测编辑者离开社区的信号;同时,研究结果还表明长期编辑者逐渐实现命名空间的