- 基于莫尔斯理论的采样纺织品表面重建
使用计算拓扑的工具研究服装的感知问题,通过直接拓扑研究样本化纺织物表面的重建算法,得到适用于降噪或网格独立参数化等任务的表面分块分解和确定表面拓扑的小秩细胞复合结构。
- ULTRA-MC:通过撞击时间学习马尔可夫链混合物的统一方法
该研究介绍了一种学习马尔可夫链混合的新方法,该方法通过集中于击中时间,设计了重构算法,在复杂计算和非对称特征的计算击中时导数方面具有高效性,并且在合成和真实数据集上进行了实验证明和全面评估。
- 扩散先验正则化迭代重建低剂量 CT
通过将消除噪声扩散概率模型(DDPM)与优先数据保真度的重建过程相结合,我们引入了一种迭代重建算法,以减少医患暴露于电离辐射的剂量,从而实现无监督框架中的卓越重建结果。通过融合这两种技术的优点,以及应用 Nesterov 动量加速技术,我们 - 少数平面 X 射线的 CT 重建及其在低资源放疗中的应用
通过使用先前数据分布,我们提出了一种方法,从少量(<5)平面 X 射线观察中生成 CT 体积,并首次评估了该重建算法用于临床应用:放疗计划。
- ReLU 层的凸几何、球上的单射和局部重构
本论文使用框架理论的设置来研究 ReLU 层在闭球上及其非负部分的可进性问题,特别强调了球的半径和偏置向量之间的相互作用。通过凸几何的视角,结合在偏置向量的上界方面的合理限制,得到了一种可计算的验证 ReLU 层可进性的方法。我们提供了明确 - 高效 SCI:稠密连接网络结合时空分解进行大规模视频快照压缩成像
本文提出了一种名为 EfficientSCI 的高效深度学习网络,使用含有密集连接和时空分解机制的单个残差块,通过卷积和 Transformer 等操作,在单一暴光时间内重建视频快照,从而解决了过度模型复杂性和 GPU 内存限制等问题,实验 - CVPR通过学习自我监督进行流体重建的全球传输
通过全局传输公式,我们提出了一种新的方法,从稀疏视图中重建容积流。我们通过单个初始状态来重建其运动,引入了自学习的自我监督,它通过传输约束和可微分渲染步骤,使视觉约束耦合。这使得即使只是从一个视角的输入,也能够重建高度逼真的流动运动。通过各 - 视频快照压缩成像的即插即用算法
本文利用 PnP 框架开发出灵活快速的算法,用于解决视频快照 SCI 的重建问题,同时将所提出的 PnP 算法扩展到彩色 SCI 系统上,实现了对灰度、彩色视频的高质量、灵活重建。
- 基于编码光阑的压缩光场重建的深度空间角度正则化
本文提出了一种基于学习的编码孔径重构高质量光场,在深度学习框架中巧妙地将测量观察融入,避免了完全依赖数据驱动先验进行光场重建。实验结果表明,相对于目前最先进的方法,本方法不仅在真实和合成数据集上具有更高的 PSNR/SSIM 值,而且更好地 - ECCV量子图像传感器动态低光成像
本文提出使用 Quanta Image Sensors 进行低光动态场景成像的方法,并给出新的图像重建算法,通过运用一个学生 - 教师训练协议将运动教师和去噪教师的知识传递到学生网络中,实现对低光动态场景进行像素水平下 1 光子每像素每帧的 - 使用无人机进行人体动作捕捉
本篇论文介绍一种基于无人机的运动捕捉系统,该系统利用机载 RGB 相机可以在各种室内和室外环境中进行使用,采用重构算法从无人机拍摄的视频中恢复全身运动,同时评估了该系统的准确性及其在消费无人机中的实用性。
- Ising 模型的最优结构和参数学习
本文介绍一种名为 Interaction Screening 的新方法,使用本地优化问题准确估计模型参数,这个算法在信息论上优化样本数量的条件下可以实现完美的图形结构恢复,证明了 Interaction Screening 方法是一种准确、 - 逆强化学习中解决不可识别性问题的研究
考虑逆强化学习的设置,其中学习者扩展了主动选择多个环境的能力,从而观察代理在每个环境中的行为。我们首先展示了,如果学习者可以在一些固定的状态和行动集上尝试任何过渡动态,那么存在一种重建代理奖励函数的算法,其理论上可能性最大,并且仅需要少量 - 块模型的信念传播、鲁棒重构和最优恢复
用置信传播的变体提出一种重建算法,可以最大化节点正确标记的比例,使用该算法可以重建在正则和泊松树上的 Ising 模型的鲁棒性重构结果,专注于考虑两个块和连接概率为 $a/n$ 和 $b/n$ 的稀疏对称块模型问题。
- 组合图上的变分样条和 Paley-Wiener 空间
本文探讨在组合图中插值变分样条和 Paly-Wiener 空间的概念,研究了这些定义与 G 上组合式 Laplace 算子的存在性,展示了图形上插值变分样条存在且唯一的性质。同时,本文还提出了一种基于变分样条的重构算法,可以根据其唯一集合从 - 从部分条目恢复矩阵
本文研究如何从观测到的随机稀疏矩阵子集中重建一个秩较低的随机矩阵,提供相应的算法并给出一些误差保证以及时间复杂度估计,并得到一些稀疏随机矩阵谱的推广结果。
- 从样本中重建马尔科夫随机场:一些简单的观察和算法
使用马尔可夫随机场重建算法重建依赖结构,并且在观察到低噪声时可获得高概率的成功率。
- Bethe 树上的的 Ising 模型和进化树:Steel 猜想的证明
论文旨在通过构建马尔可夫链模型来重建分子数据中的分类树,并提供了一种基于离散的概率模型的重新构建算法,当所有边上的变异概率小于等于 1/2^3/2-√2 时,就可以用记录长度为 O (log n) 的序列来恢复树结构。