variational autoencoder | BriefGPT

关键词variational autoencoder

搜索结果 - 311

EMNLP基于因果发现的无监督领域自适应情感因果对提取
本文提出了一个基于深度潜变量模型和变分自编码器（VAE）框架的新方法，用于在无监督域适应设置中提取情感 - 原因对。通过利用情感作为桥梁，将不同域中事件的分布联系起来，并采用变分后验正则化技术来降低源域中与事件相关的虚假相关性，从而促进跨域
PDF14 days ago
ScaLES：大规模潜在探索分数用于预训练生成网络
我们开发了可扩展的潜在探索评分（ScaLES）来减轻潜在空间优化中的过度探索问题，通过利用训练解码器对数据分布的近似来进行计算，ScaLES 提高了解决方案的质量，同时保持较高的客观值，从而改进了现有的解决方案。
PDF18 days ago
基于属性正则化的心脏 MRI 可解释化表示学习
在医学成像中，可解释性对于确保临床医生能够理解和信任人工智能模型至关重要。最近考虑了几种方法来在潜在空间中编码属性以增强其可解释性。本文提出了一种基于属性正则化的软内省变分自动编码器，将潜在空间的属性正则化与对抗训练的变分自动编码器框架相结
PDF20 days ago
预训练特征引导扩散模型用于语音增强
通过整合频谱特征到变分自编码器（VAE）中，并在反向过程中利用预训练特征进行引导，结合确定性离散积分方法（DDIM）来简化抽样步骤，我们的模型提高了效率和语音增强质量，同时在两个不同信噪比的公共数据集上展示出最先进的结果，超越了其他基线方法
PDF21 days ago
基于变分自编码器的连续处理效应估计的解耦表示
本文提出了一种利用变分自编码器（DRVAE）实现剂量响应曲线估计的新方法，通过将协变量分解为仪器因子、混淆因子、调整因子和外部噪声因子，从而在连续治疗情景下平衡分解的混淆因子，以实现治疗效果的估计。大量对合成和半合成数据集的实验结果证明，我
PDFa month ago
使用 VAE 集成比较表示空间的信息内容与解缠
用机器学习将数据集的信息划分为有意义的片段，通过研究多次训练运行中学习的通道作为信息片段的整合，并将表示子空间视为数据嵌入的概率分布进行相似度比较，最终实现 VAE 的集成学习以提升信息内容。
PDFa month ago
基于关键帧并行跳跃变换的文本引导下的三维人体动作生成
提出了一种名为 KeyMotion 的方法，通过生成关键帧并进行填充，实现根据输入文本生成逼真的人体运动序列。通过使用具有 Kullback-Leibler 正则化的变分自编码器（VAE）将关键帧投影到潜空间，来减少维度和加速扩散过程。同时
PDFa month ago
VAE-Var：变分自编码增强的变分同化
VAE-Var 是一种新的变分算法，利用变分自动编码器（VAE）对背景误差分布进行建模，理论推导了 VAE 估计下的变分成本，并提出了 VAE-Var 的一般公式；我们在低维混沌系统上实现了 VAE-Var，并通过实验结果证明了在不同观测设
PDFa month ago
基于人口学条件的变分自编码器用于 fMRI 分布抽样与混淆因素去除
我们使用基于变分自编码器 (VAE) 的模型 DemoVAE 对 fMRI 特征与人口统计学进行去相关，并生成以用户提供的人口统计学为基础的高质量合成 fMRI 数据。使用两个广泛使用的数据集验证结果，我们发现 DemoVAE 可以在捕捉个
PDF2 months ago
基于注意力的深度生成模型用于工业控制系统中的异常检测
该论文提出了一种新颖的深度生成模型，采用变分自动编码器架构，利用卷积编码器和解码器从空间和时间维度提取特征，结合注意力机制增强相关特征的表示，改进异常检测准确性，并在安全水处理测试平台的六个阶段进行了全面的实验分析，实验结果表明该方法相比多
PDF2 months ago
一种可行的反事实探索框架：融合因果关系、稀疏性和密度
通过对属性的逻辑因果关系保护，使用黑箱模型作为分类器并利用变分自动编码器生成可行的对抗性示例，本研究在不同基准数据集上实验，成功生成可行且稀疏的对抗性示例，满足所有预定义的因果约束。
PDF2 months ago
一个改进的表格数据生成器与 VAE-GMM 集成
提出了一种基于变分自编码器的模型，该模型以贝叶斯高斯混合模型为基础，在处理表格数据时能够更准确地表示潜在数据分布，同时具有更灵活的特性和更好的性能。
PDF3 months ago
LaPlaSS: 随机系统的潜空间规划
我们提出了一种 “生成 - 测试” 方法，用于在无已知动力学模型的自主移动代理中以有界风险进行规划，并使用变分自动编码器学习潜在线性动力学模型来生成候选轨迹。
PDF3 months ago
利用不完整数据的状态监测：一种集成变分自编码器和距离度量框架
通过零样本学习方法，本文提出了一种新的故障检测和状态监测方法，可以在没有故障样本的情况下，对工业系统进行可靠的故障检测与健康状况评估。通过使用变分自编码器捕捉先前观察到和未知条件的概率分布，在隐空间比较每个样本与正常操作的参考分布的偏差，建
PDF3 months ago
探索潜在路径：用变分自编码器提高自动驾驶的可解释性
自动驾驶中引入了一种基于生物启发的神经回路策略模型，整合了变分自编码器，提供了一种直接从输入摄像头图像生成转向命令的解决方案，并通过自动潜在扰动工具提高了系统的可解释性。该研究证明了变分自编码器 - 神经回路策略模型的解释能力，以及自动潜在
PDF3 months ago
基于联邦半监督学习的医学图像分割，具备客户内部和客户间一致性
本论文提出了一种针对医学图像分割的新型联邦半监督学习框架，引入了客户端内和客户端间的一致性学习，通过客户端合作训练的变分自编码器（VAE）协助实现，相比其他联邦半监督学习方法，实验结果表明本方法性能更好且避免了大量的计算和通信开销。
PDF3 months ago
LN3Diff：可扩展的潜在神经场扩散用于高速 3D 生成
LN3Diff 是一个新颖的框架，通过使用 3D 感知架构和变分自编码器将输入图像编码到结构化、紧凑和 3D 潜空间中，然后通过基于 Transformer 的解码器将潜空间解码为高容量的 3D 神经场，从而在 3D 生成、单目 3D 重建
PDF3 months ago
基于 Transformer 表示的概率主题建模
我们提出了 Transformer-Representation Neural Topic Model (TNTM)，它将基于变压器的嵌入空间中的主题表示优势与概率建模相结合，利用变分自编码器 (VAE) 框架提高推理速度和建模灵活性，实验
PDF4 months ago
应用变分自动编码器进行放射学数据生成的生成式主动学习在兽医学中的应用
利用变分自编码器提出的生成式主动学习框架解决兽医医学中计算机辅助诊断系统面临的数据缺乏挑战。通过生成数据的添加和训练模型的改进，该方法显著减少了放射照片中的 Frechet Inception 距离和混淆矩阵的假阳性，从而为医学 CAD 的
PDF4 months ago
KDD利用多模式先验的 VAE - 回归进行材料微结构设计
我们提出了一种基于变分自编码器 (VAE) 的模型，用于构建前向和逆向的结构 - 性质联系，这是计算材料科学中至关重要的问题。我们的模型通过一个双层先验条件于回归变量来系统地结合 VAE 和回归模型。回归损失与变分自编码器的重构损失一起进行
PDF4 months ago