- 鲁棒压缩跟踪的在线加权多示例学习
通过整合基于稀疏表示的粗粒度到细粒度搜索策略和加权多实例学习算法,我们提出了一种稳定且鲁棒的目标跟踪算法,用于解决遮挡、运动模糊、快速运动、光照变化、旋转、背景杂乱、低分辨率和帧间形变等问题,并通过在具有权重的重要样本上区分前景和背景特征, - SparseDrive: 通过稀疏场景表示实现端到端自主驾驶
稀疏驾驶 (SparseDrive) 是一种新的端到端自动驾驶范例,通过使用稀疏表示和并行动作规划,结合多模式问题建模和冲突感知重评分模块,实现了任务性能和效率的显著提升。
- CVPRSparseOcc(稀疏隐含表示):重新考虑基于视觉的语义占用预测
提出了 SparseOcc,一种受稀疏点云处理启发的高效占据网络,利用了无损稀疏潜在表示的三个关键创新。通过空间分解的 3D 稀疏卷积核执行潜在补全的 3D 稀疏扩散器;通过特征金字塔和稀疏插值从其他尺度获取信息;将 Transformer - 使用稀疏表示方法进行仪器光谱响应函数的飞行实时估计
通过稀疏表示字典中的原子实现的新的仪器光谱响应函数 (ISRF) 估计方法在不同的高分辨率光谱仪上应用,评估其对多个遥感任务的可复制性,并与常用的参数模型进行竞争比较,结果显示其标准化 ISRF 估计误差小于 1%。
- 基于时空解耦对比学习的骨骼人体动作识别
我们提出了一种用于基于骨架的动作识别的框架(STD-CL),通过解耦空间和时间特征并应用注意力特征到对比学习,改进了全局特征的语义,提高了准确性,在 NTU60、NTU120 和 NW-UCLA 基准数据集上实现了改进。
- 稀疏变分学生 - t 过程
利用稀疏表示和变分推断的学生 - t 进程来建模含有离群值或具有重尾行为的数据,提供了一种比高斯过程更灵活的选择,减少了计算复杂性,并在多个合成和真实数据集上展示了其有效性。
- 使用逆规模空间流学习 Barron 函数的稀疏表示
本文介绍一种寻找 Barron 函数的稀疏表示方法,并分析了其在理想情况下和测量噪声、采样偏差情况下的收敛性质。
- 稀疏字典上的最优图像传输
本论文通过利用稀疏表示和最优传输,推导出一种新颖的针对稀疏字典的最优图像传输算法。通过将图像特征编码为稀疏表示并根据编码过程在两个学习字典之间推测最优传输计划,得到了一种简单而有效的同时图像表示和转换方法,可广泛应用于图像转换任务。
- 人体姿态估计的稀疏和隐私增强表示
我们提出了一种稀疏和增强隐私保护的人体姿态估计方法,使用专有的运动矢量传感器提取边缘图像和双向运动矢量图像,并结合稀疏卷积网络进行高效处理,通过边缘信息和运动矢量图像相结合,我们的方法在速度和运算量方面取得了巨大改进,验证了我们提出的稀疏表 - 一种应用于微波层析成像的稀疏编码逆问题方法
通过对图像的稀疏表达进行训练,应用于微波断层成像中,可以解决非线性和病态问题,从而显著改进现有算法。
- 可解释的具有稀疏自表示的神经嵌入
通过将数据自表示与浅层神经网络相关联,提出了一种新颖的方法来学习表达性和可解释性更高的词嵌入,并在下游任务中表现出竞争性和性能更好的结果。
- MM本地稀疏不完全多视角聚类
本文针对在多视角数据的部分视角缺失下进行聚类的问题,提出了一种名为 LSIMVC 的简洁、高效的方法,其通过实现稀疏规则和新颖的图嵌入多视角矩阵分解模型,从不完整的多视角数据中学习出一种稀疏的结构化共识潜在表征。
- 信息检索的稀疏词法和扩展模型 SPLADE v2
本文通过对 SPLADE 模型的改进,在效率和效果上都有了提升,其中包括修改 pooling 机制、基于文档扩展的模型、引入蒸馏训练,最终取得了在 BEIR 测试上最新的最优结果。
- 基于 Patch 拼接的点云快速准确法向估计
本文提出一种基于多补丁拼接的有效法线估计方法。通过使用局部特征聚合和多支平面专家模块等创新手段,实现在降低计算成本和提高鲁棒性的同时,取得了极具竞争力的效果。
- ICML稀疏信息形式下神经网络模型不确定性的估计
本研究提出了一种神经网络模型的稀疏表达方式,利用多元正态分布的逆公式做参数后验概率的近似,进而压缩信息矩阵的维度。通过开发新的稀疏化算法和经济高效的分析采样方法,证明了该方法可以扩展地应用于深度神经网络,并在各种基准测试中显示出其具有竞争力 - NIPS正则化的离线 TD 学习
本文提出了一种新的 $l_1$ 正则化的离策略收敛 TD 学习方法(称为 RO-TD),能够以较低的计算复杂度学习值函数的稀疏表示,并且具有在线凸正则化的特征选择能力。详细的理论和实验分析表明该算法具有离策略收敛、稀疏特征选择能力和低计算成 - CVPR随机稀疏子空间聚类
本文提出了基于 dropout 和正则化的随机稀疏子空间聚类方法,旨在解决现有方法在同一子空间内数据点之间连接不紧密的问题,并经过大量实验验证了该方法的有效性和可扩展性。
- CVPR通过稀疏强制的二次分配实现高效且稳健的形状对应
该研究提出了一种新颖的局部二元描述符,并通过稀疏控制开发了一种简单而有效的迭代方法,以在两个近似等度的表面之间进行形状对应。
- 重新思考自然图像的 CSC 模型
本文研究了基于稀疏表示和卷积的稀疏编码模型在图像处理中的应用,提出了与此模型相关的贝叶斯理论,并使用分阶段卷积的前馈网络构建了一个新的模型,用于降噪等任务。实验证明,该模型的性能可以达到与现有技术相当水平,同时使用的参数明显更少。
- ICCV使用压缩感知和局部多项式图像表示相结合的方法恢复非刚性失真水下图像
通过使用压缩感知和稀疏表示来恢复水下图像,进一步结合基于局部多项式扩展的光流算法,成功提高了图像质量,并在非刚体运动估计领域做出了创新性贡献。