sparse inputs | BriefGPT - AI 论文速递

关键词sparse inputs

搜索结果 - 8

基于电阻存储的高效精确神经场重建
我们提出了一种软硬件协同优化的系统方法，用于从稀疏输入中进行信号重建，软件层面上使用神经场通过神经网络隐式表示信号，并使用低秩分解和结构化剪枝进一步压缩；硬件层面上，设计了一种基于可变电阻存储器的计算内存（CIM）平台，其中包括高斯编码器（
PDF3 months ago
CVPR基于稀疏点云的无监督占据学习
通过使用基于边界采样的方法和基于熵的优化过程，我们提出一种从稀疏输入中学习占据场的方法，并展示了该方法在隐式形状推断方面相对于基线方法和现有技术的有效性。
PDF3 months ago
CVPRCVT-xRF：基于对比度的体素内变压器用于稀疏输入的 3D 一致辐射场
当使用稀疏输入进行训练时，神经辐射场（NeRF）通常遇到密度或颜色预测错误的问题，本文提出了一种新的方法来改善 NeRF 在稀疏输入情况下的性能，通过模拟三维空间场的一致性，并采用体素光线采样策略和 Transformer 进行渲染。实验证
PDF3 months ago
通过间接扩散指导驯服稀疏视图通用 NeRF 中的不确定性
利用间接扩散引导的 NeRF (ID-NeRF) 框架通过利用精炼的扩散先验指导从生成性的角度解决 Gen-NeRF 中的不确定性，避免了直接约束的混乱取样导致的模型混淆，并经过多个基准测试表明在处理稀疏输入的不确定性方面具有卓越的性能。
PDF5 months ago
通过更快的 Frank-Wolfe 迭代来扩展差分隐私 LASSO 正则化逻辑回归
利用 Frank-Wolfe 算法对稀疏输入数据训练差分隐私回归模型，大幅减少了训练时间，可以提升多达 2200 倍的运行速度。
PDF8 months ago
IJCAIVGOS: 稀疏输入视图合成的体素网格优化
本研究提出了一种名为 VGOS 的方法，通过 voxel-based radiance field 技术来快速重建稀疏输入（3-10 视角）下的辐射场，该方法采用了增量训练策略和正则化技术，以达到防止过拟合和平滑的效果，实验证明 VGOS
PDFa year ago
CVPR引导式立体匹配
本论文提出了一种新的导向立体匹配方法，利用来自外部源的少量稀疏但可靠的深度测量来提高现有深度学习模型在处理新环境时的准确性和鲁棒性，并证明此方法适用于传统的立体匹配算法，并且即使只输入少量稀疏数据，对现有模型的性能也有显著提升。
PDF5 years ago
稀疏不变卷积神经网络
本文提出了一种用于处理稀疏数据的卷积神经网络架构，采用了一种稀疏卷积层，能够在深度上采样中取得优异的实验效果，作者构建了一个新的基准数据集 KITTI benchmark 进行了验证。
PDF7 years ago