- GPT 与人类在科学评论中的对比:ChatGPT 在科学领域的应用的双重来源评论
新型多面手大语言模型可通过分析大量数据加快科学评审,使用更无偏的定量度量指标,促进跨学科的联系,确定新兴趋势和研究领域,并通过评估大量数据来识别的方法,但目前它们缺乏对复杂方法的深入理解,评估创新性的主张存在困难,并且无法评估伦理问题和利益 - 基于学习的噪声图像保真超分辨率
我们提出了一种学习方法,能够在保留图像特性的情况下,对带有噪声的低分辨率图像进行超分辨率处理。通过定量度量(如归一化交叉相关性、归一化均方误差、峰值信噪比、结构相似度特征相似度、通用图像质量等),我们训练网络提升低分辨率噪声图像的分辨率,同 - 结构循环生成对抗网络用于结肠腺体标记物的虚拟免疫组化染色
提出了一种将组织标本的染色信息进行生成的新型生成模型,该模型包含结构信息和注意力模块,且引入了两个与虚拟染色特异性相关的新定量度量指标。
- CartiMorph:一个自动化膝关节软骨形态测量的框架
CartiMorph 是一个自动化膝关节软骨形态测量的框架,通过深度学习模型生成膝关节软骨亚区域的定量指标,包括全厚度软骨丢失百分比(FCL)、平均厚度、表面积和体积。
- 神经网络敏感性分析的度量工具
本文提出了一种理论框架,使用度量技术研究机器学习模型的灵敏度,从度量解释中提取出一种新的定量度量方法,称为 α 曲线,它提供了比文献中现有解释型人工智能方法更深入的有关机器学习模型输入变量重要性的信息。
- 图像去噪方法比较
本文通过对不同应用的合成和真实世界数据集中的各种去噪方法进行比较,旨在调查现有去噪技术的适用性,并从数量度量、视觉效果、人工评分和计算成本等四个不同角度对其进行评估,我们实验的结果显示,除了 DNN 模型表现出的物体检测和许多关键点检测方面 - OpenXAI:朝向机器学习模型解释的透明化评估
介绍了 OpenXAI—— 一种全面的且可扩展的开源框架,用于评估和基准测试事后解释方法。 OpenXAI 包括一个灵活的合成数据生成器和各种真实世界数据集,预先训练的模型和最先进的特征归因方法的集合,以及评估解释方法准确性、稳定性和公平性 - M-Net + 中的半小波注意力用于低光图像增强
本文提出了一种基于改进的分层模型 M-Net + 的图像增强网络(HWMNet),其中使用半波小波块从小波域丰富特征。该算法在两个图像增强数据集中产生了具有竞争力的性能结果,特别是在使用定量指标和视觉质量方面。
- 自监督图像重建方法在欠采样 MRI 中的验证及泛化能力
本文深入探讨自监督学习算法在 MRI 图像重建中的验证方法,发现定量评估前瞻性重建、常用度量标准的适用性以及泛化能力等方面有重要影响,最终验证得到压缩感知重建和学习去噪方法的表现相似。
- 从个人经验到量化评估方法:评估可解释 AI 的系统综述
文章讨论了机器学习模型解释性和可解释性的多方面问题,并提出了 12 个概念性属性,如紧凑性和正确性来全面评估解释的质量。文章还提供了定量 XAI 评估方法的广泛概述,以及提供了创新的库和方法帮助研究人员和从业者彻底验证、基准测试和比较新的和 - (ASNA) 带有替身排序损失函数的基于注意力的孪生差异神经网络用于感知图像质量评估
该论文提出了一种名为 Siamese-Difference 神经网络的卷积神经网络,采用扩展结构和注意力机制,以及附加的损失函数进行训练,该方法在 NTIRE 2021 感知图像质量评估挑战中表现卓越。
- AAAIFew Shot 自适应归一化驱动的多说话人语音合成
本文提出了一种新颖的少样本多说话者语音合成方法,它结合了自适应规范化架构和非自回归多头注意力模型。在性能测试中,该方法表现出了很高的效能。
- CVPR自知的鉴别反事实解释
该研究提出了一种新的判别性反事实视觉解释方法,通过结合三个归属图来计算反事实图,从而更快地获得表现良好的结果,并通过一套量化指标来评价结果。
- AAAI具有正负例的泛化规划
本文将负例规划定义为一组不应由泛化计划解决的计划实例,并将计划验证的概念扩展到验证给定泛化计划解决输入正例实例时是否无法解决给定的一组负例实例,以量化评估泛化计划的能力,并展示如何将负例规划应用于计划综合的编译中,实验结果表明添加负例可以加 - 学习预测布局到图像的条件卷积,用于语义图像合成
通过在生成器中条件化卷积核以更好地利用语义布局,提出一种特征金字塔语义嵌入判别器的多尺度生成对抗网络方法,该方法在各种语义分割数据集上实现了优秀的量化指标和主观评估。
- ICCV基于特征注意力机制的真实图像去噪
本文提出一种基于模块化结构及特征关注的单步盲目真实图像去噪网络 (RIDNet),在三个合成噪声和四个真实噪声数据集上通过 19 个最先进的算法的评估,表明 RIDNet 在定量指标和视觉质量上均具有优越性。
- EMNLP多模态微分网络用于视觉问题生成
该研究提出使用范例获取相关语境,利用多模式差分网络生成自然而富有吸引力的问题,此方法在定量指标(BLEU,METEOR,ROUGE 和 CIDEr)方面取得了显著的改进,生成的问题与自然问题的相似性经过人类研究验证。
- 通过时间平衡的网络中心性识别重要论文
本文分析了美国物理学会期刊自 1893 年至 2009 年间发表的 449,935 篇论文的引证网络,并比较了基于引用计数的度量与网络度量之间的差异性。其中,一种结合了 PageRank 中心性、且不受时间偏差影响的新度量是总体表现最佳的度