关键词orthogonality constraint
搜索结果 - 7
- 从相关组件的可解释方差到无正交约束的 PCA
通过引入新的目标函数,衡量数据矩阵 A 相关分量 Y=AZ 所解释的方差部分,本文在对已有定义的解释方差的数学和数值特性进行全面研究的基础上,提出了两个最适合用作消除正交性约束的 block PCA 公式的目标函数。
- 全控制对话人脸生成
论文旨在综合具有可控面部动作的谈话面孔。通过建立规范空间和多模态运动空间,提出正交性约束来分离身份和运动,从而实现生成外观自然、具有完全可控面部属性和准确的唇部同步的谈话面孔。实验证明,我们的方法在视觉质量和唇同步得分方面均取得了最先进的结 - AAAI半监督度量学习:深度复苏
本文研究了面向深度学习的半监督度量学习,提出了基于随机和图的方法,通过传播标记数据对的相似度来挖掘度量学习的三元组约束,并施加正交性约束以避免模型萎缩。
- ICCVABD-Net:注重多样性的关注机制人物再识别
该论文提出了一种基于注意力机制的人员重新识别方法,通过整合注意力模块和多样性正则化约束,学习具有代表性、鲁棒性和更具区分力的特征表达,并通过实验表明提出的方法优于现有的最先进方法。
- 在公平约束下的经验风险最小化
介绍了一种基于经验风险最小化的算法,通过将公平性约束条件融入到学习问题中,实现敏感变量不会不公平地影响分类器的结果,得出了公平性和风险的界限,对核方法进行了特定说明,发现公平性要求意味着正交性约束,此约束可轻松添加到这些方法中,特别是对于线 - ICCV行人检索的 SVDNet
该论文提出了一种基于 SVDNet 的人物再识别方法,通过优化深度表示学习过程并使用正交约束迭代训练,可以有效降低投影向量之间的相关性,并显著提高 re-ID 准确性。
- IJCAI减少起始约束的半正交多线性 PCA
本文提出了一种新的半正交的多线性 PCA 方法(SO-MPCA)来解决在张量到向量的投影(TVP)条件下实现有效的多线性 PCA 方法的问题,并引入一个轻松起步(RS)策略来获得更好的泛化效果。实验结果表明 SO-MPCA-RS 优于其他竞