- 非线性正则化与空间金字塔的量子混合立体匹配
该研究以量子视觉计算为背景,引入了一种使用非线性正则化方法和空间金字塔在量子退火器上解决最大后验推断问题的新方法,形成了一个最小化马尔可夫随机场能量的问题。该方法是混合(即量子 - 经典)的,适用于现代 D-Wave 量子退火器,并结合了二 - 学习带单样本硬约束的模型
使用单个样本估计具有硬约束的马尔可夫随机场的参数,算法基于伪似然估计器,对于 $k$-SAT 和 proper coloring 模型以及一般的 $H$-coloring 模型,不仅获得了正面结果,还获得了负面结果。
- SPEGTI: 高效生成式文本到图像模型的结构化预测
通过使用马尔可夫随机场模型,我们提出了一个轻量级方法来实现图像不同区域之间的兼容性,从而在不降低输出图像质量的情况下提高了图像到文本生成模型的速度。
- ACL从掩码语言模型中衍生语言模型
研究在 Masked language models 中提取出显式的联合分布的方法,并发现基于标识最接近 MLM 的条件的联合分布的方法效果最好,甚至可以有时胜过原来的 MLM 条件的出现。
- 使用最大熵模型从汇总数据中学习
本文研究了如何通过最大熵假设来学习到未观测特征分布的新模型,并将其应用于一类常见的隐私数据集聚合模式中,从而使得该模型在相应公共数据集上的性能与传统逻辑回归模型在全数据集上训练的性能相当。
- KDDMRF-UNets: 基于马尔科夫随机场的 UNet 搜索
本文提出了一种基于马尔可夫随机场的神经架构搜索方法 MRF-NAS,利用该方法结合 UNet 结构设计出了 MRF-UNet 网络用于数据的语义分割,实验结果表明,MRF-UNet 在多个数据集上均有显著的优势且计算成本较低。
- STICC: 一种考虑空间连续性的多变量空间聚类方法用于重复地理模式发现
本文提出了一种基于 STICC 方法的多元空间聚类方法,该方法通过构建马尔可夫随机场以表征子区域之间的属性依赖关系,利用空间一致性策略鼓励附近的对象归属于同一聚类,应用实验表明 STICC 算法对于保持空间连续性和发现重复地理模式等方面优于 - MM使用深度隐式场从点云中重建紧凑建筑模型
本文提出了一种通过自适应空间划分生成细胞复合体、利用深度神经网络了解区域内占用情况、通过组合优化提取建筑物外表面的新型框架来从点云中重建紧凑、完全、多边形建筑模型的方法,并通过实验表明该方法具有较高的保真度、紧凑性和计算效率。
- PHI-MVS: 平面假设推理多视图立体成像用于大规模场景重构
本研究提出了一种新的平面假设推理策略,采用多假设生成和马尔可夫随机场选取深度假设的方法,显著提高了大规模场景重建的完整性和性能,在 ETH3D 公共基准测试中取得竞争性成果。
- ICML大规模 MIMO 检测的图神经网络
本文使用图神经网络(GNNs)学习图模型和马尔可夫链的随机场(MRF)来解决无线通信中的大规模 MIMO 检测问题,实验表现出比基于置信传播(BP)的 MMSE(minimum mean-squared error)基准检测器更好的性能。
- KDD半监督学习与因式分解相遇:基于链图模型的推荐学习
本文提出了一种新颖的概率链图模型,将半监督学习与潜在因子模型相结合,用于推荐系统中。实验结果表明,所提出的概率链图模型在四个评估指标上显著优于现有的方法,并且在数据稀疏性增加时具有更大的性能优势。
- CVPR使用 Birkhoff 多面体的黎曼结构进行概率置换同步
本研究提出了一种使用 Birkhoff Polytope 的 Riemannian geometry 和 Markov Random Field 模型进行多图匹配的同步算法,可在较短时间内获得较高的匹配准确性和可靠的置信度 / 不确定度估计 - BERT 有嘴巴,必须开口:BERT 作为马尔可夫随机场语言模型
该研究表明 BERT 是一个马尔可夫随机场语言模型,其生成的句子具有较高的多样性但略逊于传统从左至右的语言模型。
- 使用 AdVIL 缓解 MRF 训练的头疼
该论文中提出了一种黑盒算法 Adversarial Variational Inference and Learning (AdVIL),用于在一般的马尔科夫随机场上执行推断和学习,其中利用两个变分分布近似推断潜在变量和估计 MRF 的分区 - ECCV基于身体拓扑定位和时间特征聚合的小尺度行人检测
本文提出一种基于身形拓扑线定位和时间特征聚合的新型方法,针对行人检测中小尺度目标识别难题,提出了一种综合性的解决方案,包括 MRF 后处理方案,能有效减少漏检率,并在 Caltech 和 CityPersons 数据集上都取得了有竞争力的性 - CVPR基于 CNN 的高阶时空 MRF 推理的视频目标分割
该论文介绍了一种解决视频对象分割问题的新型空间 - 时间马尔可夫随机场(MRF)模型,该模型通过卷积神经网络(CNN)编码像素之间的空间依赖关系,并利用光流建立时间依赖关系来结合空间和时间线索,提出了一种嵌入 CNN 的算法,以实现近似的 - NIPS超越正态分布:在非高斯环境中学习稀疏概率图模型
该论文提出了一种算法,用于在连续和非高斯概率分布中识别稀疏的依赖结构,并利用依赖结构来进行更准确的分布估计和推理。
- ICCV基于多层框架的自由移动相机在线背景减除
针对移动拍摄视频中背景难以识别的问题,本文提出了一种基于多层结构的在线背景减除算法框架,将多前景物体建模并赋予拥有独立处理层,同时采用贝叶斯滤波框架推断概率图,并用马尔科夫随机场上的多标签图割算法进行像素级分割,取得了优于现有技术的结果。
- 高光谱光场立体匹配
本文介绍了如何使用全谱光场捕获(H-LF)系统提取场景深度。我们的方法分为两个部分,第一部分是新的跨光谱配对技术,第二部分是使用 H-LF 立体匹配。实验结果表明,我们的方法能够产生高质量的视差图,并且可以用于产生完整的光场,并合成不同光谱 - ICCV单视角语义网格细化的多视图立体匹配
本文提出了一种新颖的方法,通过应用变分方法和 MRF 来细化给定网格的几何和语义标注,并针对通过半监督学习直接估计类特定先验的方法进行了改进。