- EMNLPNUANCED:使用估计分布进行细致对话的自然话语注释
本研究构建了一个以用户为中心的对话系统,通过将用户意愿建模为对系统本体的估计分布,并将用户话语映射到这些分布中,学习从用户话语到本体上的映射存在新的问题和挑战,为此,我们建立了一个名为 NUANCED 的新数据集,并展示了我们的问题建模的有 - EMNLP学习中文发音而不使用发音词典
该研究展示了一种程序,通过非平行的中文字符和拼音音节流建立了一个字符与发音的映射,使用无监督学习方法来有效地将文字转化为语音,其字符到音节的准确率达到了 89%,明显超过以前工作的 22%.
- KDD使用最优输运的开放集域自适应
提出了一种 2 步最优传输方法,对源分布进行到目标分布的映射,并针对目标分布中新增的类别开发了双重方法以解决这个问题,最终得到表现优于现有技术的结果,并将该方法应用在源和目标分布同时具有标签和特征变换的情况下以证明其鲁棒性。
- RaLL: 使用可微分的测量模型在激光雷达地图上实现端到端的雷达定位
本文提出一种基于深度学习的 RaLL 框架,将雷达和激光雷达嵌入到共同的神经网络特征空间中,利用激光雷达现成的映射技术来实现雷达在室外环境下的精准定位和低成本的雷达地图构建。实验结果表明,该系统在 90km 的驾车中具有优异的性能,甚至在 - ICLR可解释的深度单类分类
本文提出一种可解释的深度单类分类方法 FCDD,它基于卷积神经网络,通过非线性映射,将异常数据映射到远离正常数据的地方,从而检测异常。FCDD 在常见异常检测基准测试中取得了竞争性能,还能够提供合理的异常检测解释。此外,使用 FCDD 的解 - 5G SLAM 中的扩散多径利用
本研究提出了一种新的方法,可以利用每个地标的所有可用多径信号进行映射,并将其纳入到 5G SLAM 问题的 Poisson 多伯努利混合中,以解决在车联网中利用 5G 毫米波信号共同定位接收器和绘制传播环境的问题。仿真结果表明了该方案的有效 - 深度学习在定位和地图制图中的研究:迈向空间智能的时代
本研究对以深度学习为基础的定位和建图方法进行全面调查和分类,讨论了目前模型的局限性,并预示了未来的方向。文中涵盖了从学习里程估计、绘图到全局定位和同时定位和绘图(SLAM)等广泛的话题,探讨了利用车载传感器来感知自我动作和场景理解的问题,并 - 可微映射网络:学习结构化映射表示以实现稀疏视觉定位
本文介绍了一个基于不同 iable mapping 和端到端学习的神经网络架构(Differentiable Mapping Network,DMN),用于机器人的制图和定位任务,特别是在只有少量观测数据的情况下。作者将 DMN 应用于稀疏 - Oxford 机器人车数据集的实时动态运动学地面真实性
该研究描述了一项挑战性的长期定位和映射基准数据的发布,基于大规模牛津机器人车数据集。该数据集包括经过英国牛津市的 72 次通过路线,代表了自动驾驶车辆可靠运行的条件。使用后处理的原始 GPS、IMU 和静态 GNSS 基站记录,我们已经为整 - 可重构智能表面无线电定位与制图
本文研究了利用可重构智能表面在 5G 毫米波及其以上频率范围内实现角度和时间延迟测量的定位技术,并探讨如何应用这一技术在定位以及制图方面带来的性能、能耗和成本等方面的优势。
- 开放式跨领域视觉搜索
探讨了面向跨域视觉搜索的开放式设定,在公共语义空间中搜索实现在任何领域中进行搜索以及在多个领域之间进行搜索,向各个可用视觉领域的每一个领域的映射以通过分类样本进行搜索的方法,能够提供与现有半封闭设定相媲美的结果。
- COLING潜在空间中的对抗学习用于多样对话生成
本文提出了一个基于生成对抗网络的两步框架,通过自编码学习语句的有意义表征,并学习将输入映射到响应表征上,最终将其解码为响应句子,经定量和定性评估证明相对于现有的最先进方法,该模型生成的响应更具流畅性、相关性和多样性。
- EMNLP学习社交媒体用户的不变表示
本文提出了一种从社交媒体用户活动的短时段中学习映射的方法,以产生用户固有特征相似度的向量空间,其中距离捕捉到相应用户的相似性,并通过 Reddit、Twitter 和 Wikipedia 的数据进行了全面评估。
- 多足机器人在矿井隧道探测中的应用
本研究描述了使用四足腿机器人进行矿山探索和制图的完全自主系统,以及用于报告数据的分布式数据库网状网络系统。研究还展示了在 SubT 挑战活动中展示了百米级遍历后文物定位的结果。这些实验描述了由四足腿机器人开展的未知全球卫星定位系统 (GNS - 学习将几乎任何事物映射
通过交叉模态蒸馏策略,从俯瞰图像中学习预测细粒度地物属性的分布,以实现精细化的土地覆盖估计,结果可应用于地图绘制和图像定位。
- 利用残差重建 RGB-D 相机动态环境下的三维模型
本文提出了一种基于 RGB-D 传感器的方法,能够稳定地在包含多个动态元素的场景中进行地图绘制和定位,并在现有数据集上对其进行评估和发布。
- 具有非线性因子恢复的视觉惯性映射
本研究提出了一种通过非线性因子恢复和捆绑调整的方法从视觉惯性测距(VIO)中提取有用信息,以实现全局一致的建图和提高准确性。在公共基准测试中,我们证明了该方法优于现有技术。
- 三维实例感知语义映射与三维物体发现
该文提出了一种用于机器人地图实时构建的方法,其中,在实时扫描的同时,使用语义实例识别和多帧数据关联技术来构建基于物体的语义地图。评估结果表明,该方法能够有效地识别和跟踪预测的物体实例,并与最先进的方法竞争。
- ICLR多语言词嵌入的无监督超级对齐
本文研究了将在多种语言中学习到的连续单词表示对齐到一个共同空间的问题,并提出了一种新的方案来保证映射的组合性,从而在维持直接单词翻译的竞争性表现的同时,实现了间接单词翻译的更好对齐。
- 季节变化下的单视角地点识别
通过对 Nordland 数据集进行预处理和划分,同时采用预训练、siamese 以及三元组等多种神经网络结构,在单视角地点识别的研究中取得了领先的结果,克服了天气变化等问题。