- 动态图谱下的分布迁移光谱不变性学习
该论文通过研究动态图谱的频谱域中的分布变化,提出了用于处理动态图中分布变化的频谱不变性学习方法,该方法通过捕捉和利用不变和变化的频谱模式,在节点分类和链接预测任务中展示了在分布变化下优越的性能。
- 谨慎增强:通过选择性频谱扰动提升图对比学习
我们提出了一种名为 GASSER 的方法,在图的频谱域中对特定频率的图结构进行有针对性的扰动,并且边缘扰动受频谱提示的指导。通过大量实验证明,这种扩增视图是适应性的、可控的,并且启发式地符合图结构的同质比和频谱。
- 图形蒸馏是否与视觉数据集相似?
我们提出了一种新颖的结构广播图数据集蒸馏(SGDD)方案,通过将原始的结构信息广播到生成的合成图中,明确地防止忽视原始的结构信息,并验证了该设计的有效性和必要性。
- ICCV空间和光谱一致的深度功能映射
基于循环一致性,在非刚性形状匹配中,通过在频谱和点对点表示之间设计无监督的深度功能映射方法,实现了状态良好、抗扭曲性能和优越的泛化性能。
- ICML扩展球形卷积网络
这篇研究论文介绍了如何通过提出新的模型组件、实现核心操作以及应用特定输入表示等关键改进来扩展球面 CNN,使其可用于更大规模的问题并在 QM9 分子基准测试的多个目标上达到最新水平,在多个天气预测任务中实现竞争性表现。
- 从图神经网络中提取低 / 高频率知识并注入到 MLPs 中:一种有效的 GNN 到 MLP 的蒸馏框架
本文介绍了一种名为 Full-Frequency GNN-to-MLP 的知识蒸馏方法,它能够从 GNN 中抽取低频和高频知识,并将其注入 MLP 中,从而解决了现有方法中可能存在的高频知识被低频知识淹没的问题。实验表明,该方法在六个图形数 - 一种基于条件去噪扩散概率模型的射电干涉成像重构方法
本文介绍了一种名为 VIC-DDPM 的可见度和图像调节的去噪扩散概率模型,它能通过在频谱域中使用原始可见度数据和在空间域中使用 dirty images 来引导图像生成过程,并在保留噪声中的信号并恢复 dirty images 中的空间信 - 另一种竖直视角:通过光谱实现异质轨迹预测的分层网络
本文提出了一种层次化建模预测轨迹的方法,同时考虑频域响应、维度交互和不同时间尺度下的行为,以更好地适应不同形式和类型的轨迹数据;实验结果表明该方法在各类轨迹数据集上表现优异。
- EvenNet:忽略奇数跳邻居提高图神经网络的鲁棒性
本文提出一种基于谱图过滤器的 GNN 模型 EvenNet,通过理论分析和实验证明了该模型在处理同质和异质图方面的鲁棒性较强,优于现有方法,并且不需要引入额外的计算成本。
- 基于时域谱图神经网络的方面情感分析
本研究提出了一种基于图傅立叶变换的网络,该网络在谱域中创建和学习了底层图,然后使用傅立叶变换切换到频率(谱)域,进而创建新特征。该方法在情感分析中表现出极高的准确性,特别是在 SemEval-2014 数据集中,取得了最佳结果。
- 基于图数据的反卷积神经网络
该研究提出了一种名为图解卷积网络(GDN)的解决方案,旨在通过组合频谱域中的逆滤波器和小波域中的去噪层,实现对由图解卷积网络(GCN)平滑的图形数据的重建操作,同时解决信号中的噪声干扰问题,它在图特征补全和图结构生成等多项任务中展示出了有效 - ECCV纵观全局:基于傅里叶谱的轨迹预测分层网络
本文研究了在垂直视角下,即从谱域建模和预测代理的轨迹,并通过提出的分层网络 V$^2$-Net 来预测它们的轨迹谱,在实验中表现出竞争力和优越性。
- CVPR可变形形状的通用频谱对抗攻击
本文提出了一种在几何数据中实现通用攻击的计算程序,攻击采用短特征向量值的小扰动,在光谱域中操作,通用于不同形状,网格和点云的不同表示,并且可以泛化到以前从未见过的数据。
- 使用循环一致性对抗训练改善发音障碍患者的语音可懂度
本研究旨在使用循环一致性生成对抗网络模型将口吃音转换为健康人的语音,使用 18,700 个口吃音和 8,610 个健康对照韩语发音训练了本项目的发生器,进而证明了该基于 GAN 的转换方法对于改善口吃音的可懂度是有用的。
- AAAI通过图幂加强图卷积网络
通过挑战经典的图形拉普拉斯算子,设计出一种可以证明在频谱域内具有鲁棒性的新卷积算子,它被纳入 GCN 体系结构中以改善其表达能力和可解释性,同时通过将原始图形扩展到一系列图形,提出了一种鲁棒的训练范式,以鼓励跨越具有一系列空间和频谱特征的图 - ZoomOut: 高效形状对应的谱上采样
论文介绍了一种基于频谱域迭代上采样的简单有效的地图或对应关系细化方法,并说明了如何将该方法应用于对称性检测、完整形状的地图细化、非刚性部分形状匹配和函数转换等一系列应用场景中,证明了该方法相比最佳竞争方法具有更高的结果质量和计算速度,并且对 - ECCV使用球形 CNN 学习 SO (3) 等变表示
论文提出通过多值球面函数和在球谐域中实现球面上的准确卷积来解决 3D 卷积神经网络中的 3D 旋转等变性问题,进而提供了一种局部对称且通过平滑的频谱实现本地化滤波器的方法,同时还实现了一种用于谱域的新型池化技术,这些操作使得网络不需要过多的 - 子空间最小二乘多维缩放
本文介绍了一种基于最小二乘 (LS-MDS) 的多维缩放方法,并将其置于频谱域中进行了分析,得出了距离缩放的多重分辨率属性,从而加速了优化过程并实现了良好的嵌入效果。
- 卷积神经网络的频谱表示
本研究旨在通过应用离散傅立叶变换和频谱表示提供有效的计算卷积方法,并且展示频谱域应用于卷积神经网络设计的创新,如频谱池化、随机修改分辨率的新形式随机正则化、卷积过滤器的复系数频谱参数化等。在不使用任何 dropout 或 max-pooli