- 重整阴影模型有利于白盒成员推断攻击
通过对比不同初始化方法和使用 realigned 的影子模型,我们发现在白盒 MIA 攻击中,使用影子模型可以更好地保护训练数据。
- 基于贝叶斯框架的循环事件因果分析与不死风险
利用半参数贝叶斯模型和 g - 计算框架,以医疗保险索赔数据为例,探索了在已知患有慢性背痛的病患中使用不同阿片类药物策略对住院率产生的影响,解决了再发事件速率计算中的治疗时间不精确导致的失调问题。
- 利用任务奖励调整计算机视觉模型
采用强化学习技术将计算机视觉模型与任务奖励对齐,以解决复杂结构输出的误差问题,在多个计算机视觉任务中(对象检测,全景分割,着色,图像字幕)都显示出惊人的有效性。这种方法有望广泛用于使模型更好地与各种计算机视觉任务对齐。
- 使用去噪扩散概率模型理论上证明图像修复的合理性
本文提出了一种基于扩散的图像修复算法,并针对多数图像修复算法需要反复训练的问题,证明了基于扩散的图像修复算法可以很好地处理未知蒙版,从而避免反复训练。通过分析目前流行的扩散图像修复算法 RePaint 及其存在的偏差问题,本文提出了一种新的 - 深度学习视角下的对齐问题
人工智能可能会超越人类,然而,如果不采取措施,其可能学会不符合人类期望的目标,并使用追求权力的策略,导致人类无法控制其行为。因此,该研究概述了该问题及其研究方向。
- CVPR单目三维物体检测中定位误差研究
本文从定位误差的角度出发,找出了导致单目三维检测受限的主要因素,并提出了三种策略。在 KITTI 数据集上的实验结果表明,所提出的方法实现了实时检测,并且表现远超过以往的同类方法。
- AAAI具有自修改能力的有界理性智能体性能
我们调查了受限理性的代理如何随着时间的推移受到自我修改的负面影响,分析了其大小与代理的理性失误的类型和严重程度之间的关系,其中特别指出在选择非最佳行为的情况下可能会出现指数级错误对齐的情况。
- 场景文字识别的编辑概率
我们提出了一种称为编辑概率 (EP) 的新方法,它可以有效估计从概率分布输出序列生成字符串的概率,从而解决了由于字符缺失或冗余导致的认知偏差问题,从而大大提高了场景文本识别的性能。
- 不完全契约和人工智能对齐
运用法律和经济学领域的不完全契约理论可为理解 AI 对齐问题提供框架,并提出了一种集中于如何构建能够复制人类认知过程的 AI 以连接个体不完全合同与外部支持结构的研究议程。
- WWWSaki 在 Instagram 上 #好吃吗?食物感知差距及其与健康的关系
本文利用 Instagram 上的 1.9 百万张图片数据,通过图像识别方法来研究人们对食物不同的感知和描述之间的差异是否影响了健康结果。结果显示,这种 “感知差距” 与县级别的健康结果相关,这是首次使用图像识别的方法研究人们对食物的描述与 - 规范相关分析实现跨姿态人脸识别
本文提出使用 CCA 来提高人脸识别中因姿势不同导致的严重不对齐问题,基于同一人多种姿势的图片集,通过两种姿势学习两个线性转换,来实现不同姿势之间的呈现一致性和鲁棒性。实验结果表明,本方法极大地提高了识别性能。
- 基于卡尔曼滤波的 IMU-Camera 标定算法:可观性分析和性能评估
本文介绍了一种基于扩展卡尔曼滤波器的方法,用于校准相机和 IMU 之间的位姿误差、通过利用李导数分析实现了局部弱可观,该技术成为 SLAM 领域中可观性分析的基础,并在实际中得到了应用,但是其主要结果基于错误证明,现有的方法无法获得。