- WaveMo:学习波前调制以穿透散射
介绍了一种基于学习的框架,它通过优化波前调制和计算轻量级的前馈重构网络来改善散射介质下的成像,实验证明这种方法在成像技术中取得了显著的进展。
- 马尔可夫物联网模型中的交通学习和主动型无人机轨迹规划与数据上行
通过学习的基于马尔可夫事件的新颖框架,利用无人机作为飞行基站,预测 IoT 设备的流量到达并优化多个无人机的轨迹和调度策略,最终通过深度强化学习方法改进传输性能。
- 在约束场景中学习非我观察的功率分配
我们提出了一个基于学习的框架,用于在瞬时约束下在自组干扰网络中进行高效能量分配。我们将最优能量分配与瞬时约束相结合,通过使用演员 - 评论家算法在每个步骤获得满足约束的能量分配,并通过实验分析证明了该方法的有效性和效率。
- 基于强化学习的闭环多角度视觉伺服方法
本文研究了如何在具有自碰撞、奇异问题等机器人特定约束条件下解决多视角视觉伺服问题,并提出了一种基于学习的多视角视觉伺服框架,通过强化学习从视觉状态的潜在空间表示中迭代估计机器人动作。通过 Gazebo 仿真环境的实验验证,显示该方法能够成功 - 通过转码时间预测和预选,实现高质量的实时视频流传输
我们提出了一种基于学习的框架,用于预测视频跨不同预设的转码时间,并通过选择最合适的转码预设来改善实时视频流的质量。
- 无仿真强化学习框架中的机器人学习袋装技能
该篇文章介绍了一种基于学习的有效框架,使得机器人能够学会装袋,通过引入一种强化学习算法,该框架能够在现实世界中通过一组紧凑的状态表示找到袋子的最佳抓取点,经过大约三个小时的训练后,该框架在开始折叠和展开装袋任务时的成功率分别达到 60% 和 - MANER:在混乱环境中的物体多智能体神经重新排列规划
该研究提出了一种基于学习的综合框架,用于多智能体物体重新排列规划,在复杂环境中解决了任务排序和路径规划等挑战。实验证明了该框架的效果和鲁棒性,并改善了比基准方法更好的性能表现(遍历时间和成功率)。
- 利用分层帧间块匹配学习动态点云压缩
本文提出了一种通过基于分层块匹配的帧内预测模块学习压缩动态点云(DPC)几何信息的压缩框架,并且在 KNN-attention 块匹配和多尺度光流的压缩方面使用了完全分解的深度熵模型。实验表明该框架优于先前的最先进方法,同时也优于 MPEG - 如何披挂?从深度图像中捕捉织物力学特性
本文提出了一种使用深度相机的非正式捕捉装置来估计织物的机械参数的方法,并通过使用 sim-to-real 策略训练学习框架来输出全部机械参数,与现有的成本高的捕捉方法相比,本文提出的解决方案可以快速捕捉并大规模生产。
- 学习如何因果解释推荐
通过使用反事实逻辑,即 “如果您不与以下项目互动,我们将不推荐它”,我们探讨了如何解释推荐系统的推荐。我们提出了一个基于学习的框架来生成反事实说明,该框架训练一个代理模型来学习删除用户历史记录子集对推荐的影响,进而找到代理模型预测的最有可能 - 基于三维姿势反馈的身体锻炼
通过 Graph Convolutional Network 框架,从用户姿势序列中学习关节运动的关系,能够对个人的自我康复锻炼和体育锻炼中出现的错误进行准确的识别和纠正。
- AAAI参考引导图像合成中的单张图像评估
提出了一种基于学习的框架,Reference-guided Image Synthesis Assessment (RISA),用于量化评估单个生成图像的质量,其训练不需要人类标注,并引入两种技术来提高注释的精度。实验证明,RISA 与人类 - ECCV学习城市分解和重照
本文提出了基于学习的框架,将室外场景分解为时间变化的光照和永久场景因素,并组装了一个城市规模的带时间间隔的室外图像数据集进行训练。我们展示了学习得到的分解因素可以用来实现像改变光照效果和场景几何等功能。
- 基于编码光阑的压缩光场重建的深度空间角度正则化
本文提出了一种基于学习的编码孔径重构高质量光场,在深度学习框架中巧妙地将测量观察融入,避免了完全依赖数据驱动先验进行光场重建。实验结果表明,相对于目前最先进的方法,本方法不仅在真实和合成数据集上具有更高的 PSNR/SSIM 值,而且更好地 - DMLO: 深度匹配 LiDAR 里程计
本文介绍了一种新型的基于学习方法的 Deep Matching LiDAR Odometry (DMLO) 框架,它将特征匹配方法应用到 LiDAR 地标测量任务中,该框架将 6-DoF 姿态估计分解为两个部分,一个学习匹配网络,另一个是通 - ICML针对脑肿瘤分割问题的弱监督微调方法
本研究利用同时使用 MRI 图像中的像素级注释和图像级注释,提出了一个学习框架,用于大脑肿瘤的分割模型,并研究了像素级注释和图像级注释的比较量对分割质量的影响,并将我们的方法与传统的全监督方法进行比较,并展示了我们的方法在分割质量方面的优势 - S4G: 混乱场景下单视角单快拍 SE(3)抓取检测
该论文研究了使用普通深度传感器从单个视点捕获的混乱场景中,通过并联夹具进行六自由度抓取的问题,并提出了一个基于学习的框架,在高层次上依赖于单次抓取提案网络来有效地预测建议抓取点。实验证明,此方法可以大幅度优于现有技术。
- 学习优化张量程序
该论文介绍了一个基于深度学习工作负载的张量程序优化学习框架,其通过学习领域特定的统计成本模型来引导张量操作实现的搜索,进而加速搜索,实现性能与手动调整的图书馆竞争力相当。
- 基于学习的 MRI 压缩成像
这篇论文介绍了一种基于学习的框架,用于优化针对特定重建规则和解剖学的 MRI 子采样模式,在噪声和无噪声情况下,通过访问代表性的训练信号集合,并搜索一种在该集合中的平均表现良好的采样模式,我们提出了一种参数自由的贪婪掩模选择方法,并通过统计