- CVPR基于评分引导的扩散方法用于三维人体恢复
我们提出了一种基于得分指导的人体网格恢复（ScoreHMR）方法，用于解决三维人体姿势和形状重建的反问题。
- 确定性几何模型拟合的潜在语义一致性
该论文提出了一种名为潜在语义共识（LSC）的有效方法，用于从存在严重离群值的数据中提取可靠的几何模型参数，并实现了高精度和高效的模型拟合。
- ICLR动态基准理论
本研究理论分析了动态基准测试的两种实现方式，第一种模型中，模型性能最初会有所提高，但只会在三轮后停滞，而第二种模型则保证了比第一种模型更多的进展，但复杂度更高，并通过模拟动态基准测试的结果来验证了理论分析，为动态基准测试提供了理论和实践上的 - ECCV学习拟合形态模型
通过学习优化方法，提出了一种类 Levenberg-Marquardt 算法的更新规则，以更高效地适应新的模型拟合问题，并且在准确性和速度上具有竞争力。
- AAAI采用负证据的多通道神经图事件模型
该论文提出了一种基于多通道 RNN 的非参数深度神经网络方法，用于对事件数据集进行建模和预测，并证明该方法在模型拟合任务中胜过现有的基线方法。
- 用 Jackknife + 自助法进行预测推断是免费的
提出了一种基于 Jackknife + 和 Bootstrap 的预测区间构建方法 (J+aB)，该方法只使用可用的 Bootstrap 样本及其对应的拟合模型，可以在不假设数据分布，拟合模型的性质或集成模型聚合方式的情况下提供保证，并可以 - 物理感知神经网络的自监督学习 I：星系模型拟合
本文介绍了一种自我监督的混合网络，将传统的神经网络元素与解析或数值模型相结合，利用内部表示相当于物理模型的参数，进行无监督学习并进行物理参数的估计。同时应用于指数光轮廓的二维模型拟合学习。
- 自适应每次迭代隐私预算的集中式差分隐私梯度下降
本文说明如何通过更加精心地分配每个迭代的隐私预算，从而改进基于梯度的算法，提高其对模型拟合的性能。
- 基于超图的鲁棒几何模型拟合中代表性模式的搜索
本文提出了一种简单而高效的几何模型适应方法，该方法利用超图的典型性寻求问题以适应并分割多重结构数据，同时在存在严重的异常值情况下。
- 通过能量最小化和模式寻求进行多类模型拟合
本文提出一种名为 Multi-X 的多分类多实例模型拟合通用公式，通过一种新的标签空间移动技术，在模型参数的密度分布区域内自动设定关键的优化参数以实现快速且鲁棒的优化。并且结合基于交叉验证的技术去除数据中的离群点。该公式在公开数据集中的多种 - 高斯过程建模在近似贝叶斯计算中的应用：预测细菌中的水平基因转移
本文使用高斯过程模型减少 ABC 模型评估数量，对 ABC 模型各种变形及两种新型高斯过程模型进行了测试，结果显示选择合适的高斯过程模型对于后验分布的准确估计非常重要，提出了测量分类差异的预期效用作为确定高斯过程模型的自动化模型选择，并通过 - 超图模型用于几何模型拟合
该论文提出了一种基于超图的方法（称为 HF）来适应和分割多结构数据，该方法采用了一种新的超图模型，可以有效地和高效地估计存在于含有离群值且具有复杂关系的数据中的模型实例的数量和参数，并开发了鲁棒的超图分区算法来检测模型拟合的子超图。
- 基于统计形状空间的人脸三维数据比较分析综述
通过学习干净的人脸数据库和不同的统计形状模型，本文比较了全局和局部的几何形状变化分析，实验结果可以帮助我们在从降噪和遮挡的数据中可靠地提取特定形状时选择更好的模型。