- ICCVMemorySeg:基于潜在记忆的在线 LiDAR 语义分割
本文提出了一种利用过去帧信息改善当前帧预测的基于 LiDAR 点云时序的语义分割模型,通过使用记忆网络存储、更新和检索过去信息,并在点云邻域中惩罚预测变化,构建稀疏的 3D 潜在表示来克服遮挡等限制,实验证明该方法在 SemanticKIT - ICLRMemoria: 人类类似序列处理的 Hebbian 记忆架构
通过引入奇异值理论 (memory theory) 以增强神经网络的长期相关性,Memoria 在处理长文本和记忆力相关任务上显著优于传统的 Transformer 模型。
- Point-PC: 基于因果推断的先验知识引导的点云补全
本研究提出了一种新的点云完整性方法 Point-PC,使用记忆网络检索形状先验,并设计了有效的因果推断模型来选择缺失的形状信息以帮助点云完整性。
- 视频物体分割的鲁棒高效记忆网络
该研究提出 REMN,一种稳健高效的记忆网络,用于半监督视频物体分割,通过引入本地注意机制和动态记忆库,解决了非局部匹配和高时间冗余的问题,实验表明 REMN 在 DAVIS 2017 和 YouTube-VOS 2018 上均取得最新的成 - 知识三元组的信息文本生成
本研究提出使用记忆网络作为增强模型来生成 KB-to-text 中的人类可读句子,实现更多信息的传递。通过从 WebNLG 中获取数据集,并对模型进行多次的评测和实验,证明了本文所提出的解决方案的有效性以及内在特性的探究。
- WSDMKGNN:基于核网络的半监督图分类
本文研究了半监督图分类问题及其解决方法的一种 KGNN 模型,在该模型中,图神经网络(GNN)结合基于内存的核网络进行分类,通过学习图表示并使用图内核来有效地使用标记的图和未标记的图。实验证明,KGNN 比竞争基线方法表现出更好的性能。
- ICCV记忆中的多模态联想桥接:从面部视频中回溯语音声音
本文提出了一种新颖的音频 - 视觉多模态桥接框架,它可以利用音频和视觉信息,并通过 associative bridge 从记忆网络中获取目标模态表示,将其应用于唇语阅读和静音视频的语音重建,具有当前最先进性能。
- CVPR弱监督时间动作定位的动作单元记忆网络
本文提出 Action Unit Memory Network (AUMN),通过学习行动单元存储器解决仅具有视频级别标签的未修剪视频中行动的检测和定位问题。AUMN 具有两个注意模块和三种有效机制,能够适应地更新存储器网络和学习特定的行动 - CVPR基于记忆的无监督图像翻译
提出了一个基于类别感知的记忆网络的无监督框架,可以针对局部风格差异进行实例级图像转换,而不是对整张图像应用全局风格。实验结果表明,该模型在实例级图像转换方面的性能优于最近的方法,并实现了最新的成果。
- COLINGCHIME: 交叉通道分层记忆网络用于生成式评论问答
介绍一种名为 CHIME 的基于记忆网络的文本生成问答系统,通过引入辅助记忆模块综合跨越段落证据和不断改进所生成答案的缓存区两部分, 在 AmazonQA 评论数据集的多段问答中,其效果优于现有最佳方法并在句法结构正规及精度方面有所提高。
- CVPR基于形状先验的单视角三维物体重建
本文提出一种名为 Mem3D 的新方法,通过构建形状先验和使用基于 LSTM 的形状编码器,以及使用 Voxel Triplet Loss 函数来重建包含噪声和遮挡的 3D 物体形状,该方法在 ShapeNet 和 Pix3D 数据集上表现 - AAAI利用局部和全局时间动态进行多元时间序列预测建模与缺失值处理
研究多元时间序列预测模型中解决缺失值问题,提出了一种新的组合局部和全局时间动态的框架 LGnet,并探索了记忆网络和对抗训练的应用,实验证明其在不同缺失比例下的预测有效性和健壮性。
- EMNLPBookQA: 挑战与机遇的故事
本论文介绍了一个基于纯文本书籍进行问答的系统(BookQA),使用记忆网络对问题进行推理,并对前人的工作进行了改进,包括 BERT 检索和基于书句生成的预训练。在最新的 NarrativeQA 语料库的测试中,我们证明了这种方法的可行性和需 - AAAI利用上下文感知记忆网络进行文本辅助洞察排名
本研究提出了一个建立在神经和记忆网络上的见解重要性排序模型,同时构建了一个文本辅助数据集。实验结果表明,我们的方法在多个评估指标中大大提高了排序精度。
- 利用 Seq2Seq 网络学习明确连接词以进行隐含篇章关系分类
本文提出了一种新的模型,包含分类器、序列到序列模型以及一个记忆网络,针对隐式语篇关系分类进行研究,结合了 PDTB 语料库对暗示连接的注释,提出了一种针对语篇关系的有效编码方法,并在多个设置下优于现有最先进系统。
- 大规模遥感数据语义分割的增量学习
本研究提出一种增量学习方法,可在不影响之前学习到的类别的情况下,学习新类别的语义分割,同时,利用记忆网络来记忆之前学习到的信息。
- EMNLP面向偏见产品评论分类的双存储网络模型
本文提出了一种双重用户和产品记忆网络 (DUPMN) 模型,旨在有效地学习用户画像和产品信息用于情感分析。经过针对 IMDB,Yelp13 和 Yelp14 三个基准数据集的评估,该模型相对于最先进的综合预测模型,分别给出了 0.6%,1. - ICLR记忆先于生成:使用记忆网络无监督地学习 GAN
提出了一种名为 MemoryGAN 的全新 GAN 模型,该模型使用可学习的记忆网络来解决无监督 GAN 训练过程中存在的结构不连续和过度遗忘问题,并在多个数据集上进行了评估,证明其能够产生高度逼真的图像,实现了 CIFAR10 数据集上无 - 寻找相关记忆对象:一种用于基于文本推理的简单神经网络架构
使用 MLP 组件在 Memory Network 架构中寻找相关信息的新方法,以及在多个问题回答任务中的最新技术结果。
- Smarnet: 让机器像人类一样阅读和理解
本文提出了一种用于机器理解阅读测试的科学方法,引入了新颖的词法控制机制,通过注意力机制和记忆网络指导机器进行交互式阅读,并添加检查层来细化答案以提高正确性,实验证明该方法在 SQuAD 和 TriviaQA 两个常用数据集上的表现优于大多数