TPAMI 2024 | 改进的多样性促进协同度量学习推荐系统

最新推荐文章于 2025-05-05 14:07:50 发布
最新推荐文章于 2025-05-05 14:07:50 发布
阅读量23 收藏
点赞数
分类专栏： 论文解读 IEEE TPAMI 文章标签： 人工智能 深度学习 IEEE TPAMI 论文解读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42722197/article/details/145401638
版权

论文信息

题目：Improved Diversity-Promoting Collaborative Metric Learning for Recommendation
改进的多样性促进协同度量学习推荐系统
作者：Shilong Bao, Qianqian Xu, Zhiyong Yang, Yuan He, Xiaochun Cao, Qingming Huang

论文创新点

  1. 多向量用户表示: 为每个用户引入多向量表示，捕捉多样兴趣，缓解偏好偏差。
  2. 多样性控制正则化: 提出DCRS，控制用户嵌入的多样性，防止过拟合。
  3. 基于OPAUC的负采样: 提出DiHarS，通过最大化OPAUC优化负采样，提升Top-N推荐性能。

摘要

协同度量学习（CML）近年来成为推荐系统

了解本专栏 订阅专栏 解锁全文
TPAMI 2024 | 面向部分人体再识别的属性引导协同学习
小白学视觉
10-17 149
部分人体重识别（ReID）旨在解决由于遮挡或视野外造成的图像空间错位问题。尽管通过引入额外信息（如人体姿态标志点、掩膜图和空间信息）取得了显著进展，但由于关键点噪声和行人表示的易受影响性，部分人体ReID仍然具有挑战性。为了解决这些问题，我们提出了一个统一的属性引导的协作学习方案用于部分人体ReID。具体来说，我们引入了一个自适应阈值引导的蒙版图卷积网络，它可以动态地移除不可信的边以抑制噪声关键点的扩散。
TPAMI 2024 | 多视角张量谱聚类通过协同正则化
小白学视觉
11-21 128
Multiview Tensor Spectral Clustering via Co-Regularization 多视角张量谱聚类通过协同正则化 Hongmin Cai; Yu Wang; Fei Qi; Zhuoyao Wang; Yiu-ming Cheung 摘要 基于图的多视角聚类将多视角数据编码为样本的亲和性，以寻找共识表示，有效克服了不同视角之间的异质性。然而，传统的亲和性度量随着特征维度的扩大而趋于崩溃，这给估计揭示跨视角和内部关系的统一对齐带来了挑战。为了解决这一挑战，我们提出通过共识
TPAMI 2024 | 神经提示搜索
小白学视觉
02-16 46
近年来，视觉模型的规模呈指数级增长，尤其是在Vision Transformer出现之后。这促使了参数高效调优方法的发展，例如学习适配器层或视觉提示令牌，这些方法允许训练一小部分模型参数，而绝大多数参数来自预训练并保持冻结状态。然而，设计合适的调优方法并非易事：可能需要尝试一系列设计选择，更不用说每个下游数据集通常需要定制设计。在本文中，作者将现有的参数高效调优方法视为“提示模块”，并提出了神经提示搜索（NOAH），这是一种新颖的方法，通过神经架构搜索算法为大型视觉模型学习每个下游数据集的最佳提示模块设计。
TPAMI 2024 | 使用合成负样本的混合开放集分割
小白学视觉
11-11 170
题目： Hybrid Open-Set Segmentation With Synthetic Negative Data 使用合成负样本的混合开放集分割 作者：Matej Grcic，Sinisa Segvic 摘要 开放集分割可以通过补充封闭集分类与异常检测来构想。许多现有的密集异常检测器通过生成模型对常规数据进行建模或与负数据进行区分。这两种方法优化了不同的目标，因此表现出不同的失败模式。因此，我们提出了一种新颖的异常得分，它融合了生成和判别的提示。我们的得分可以通过升级任何封闭集分割模型，以实现数据
TPAMI 2024 | PERF: 从单张全景图生成全景神经辐射场
小白学视觉
11-09 128
神经辐射场（NeRF）在给定多视角图像时，在新视角合成任务上取得了显著进展。最近，一些研究尝试利用3D先验知识，从单张图像中训练NeRF。然而，它们主要关注有限视角且包含少量遮挡的情况，这大大限制了其在真实世界中的360度全景场景中的扩展性，尤其是在存在大面积遮挡时。在本文中，我们提出了PERF，一个从单张全景图训练全景神经辐射场的360度新视角合成框架。值得注意的是，PERF允许在复杂场景中进行3D漫游，而无需繁琐的图像收集。
TPAMI 2024 | 内容感知修正激活在零样本细粒度图像检索中的应用
小白学视觉
07-27 546
细粒度图像检索（FGIR）主要集中于从已见过的子类别中学习显著特征作为区分性嵌入，而忽略了零样本设置背后的挑战。我们认为，在检索未见过的子类别中的细粒度对象时，可能需要依赖于更多样化的线索，而这些线索很容易被从已见过子类别中学习到的显著特征所限制。
TPAMI 2024 | 视觉-语言模型在视觉任务中的综述
小白学视觉
10-11 451
大多数视觉识别研究严重依赖于深度神经网络（DNN）训练中的众包标记数据，并且通常针对每个单一视觉识别任务训练一个DNN，导致了一个繁琐且耗时的视觉识别范式。为了解决这两个挑战，最近对视觉-语言模型（VLMs）进行了深入研究，它从互联网上几乎无限可用的大规模图像-文本对中学习丰富的视觉-语言相关性，并能够使用单个VLM在各种视觉识别任务上进行零样本预测。本文系统地回顾了视觉语言模型在各种视觉识别任务中的应用，包括：(1) 介绍视觉识别范式发展的背景；
TPAMI 2024 | 图卷积网络与自适应邻域感知
小白学视觉
11-27 299
图卷积网络（GCNs）能够快速且准确地学习图表示，并在许多图学习领域展现出强大的性能。尽管它们很有效，但对于GCNs来说，邻域感知仍然是一个重要且具有挑战性的问题。现有的方法通常只从节点或跳数级别执行邻域感知步骤，导致缺乏从全局和局部视角学习节点邻域信息的能力。此外，大多数方法从单一视角学习节点的邻域信息，忽略了从多个视角感知的重要性。为了解决上述问题，我们提出了一种多视角自适应邻域感知方法来高效地学习图表示。
TPAMI 2024 | MO-MIX：基于深度强化学习的多目标多智能体协同决策
小白学视觉
11-12 731
深度强化学习（RL）已被广泛应用于解决复杂的决策问题。在许多现实世界的场景中，任务通常有多个相互冲突的目标，并且可能需要多个智能体进行合作，这些是多目标多智能体决策问题。然而，在这个交叉领域的研究工作还相对较少。现有的方法仅限于单独的领域，并且只能处理具有单一目标的多智能体决策，或者具有单一智能体的多目标决策。在本文中，我们提出了MO-MIX来解决多目标多智能体强化学习（MOMARL）问题。我们的方法基于集中训练与分散执行（CTDE）框架。
自然语言处理实战：用CRF打造高精度命名实体识别系统
Loving_enjoy的博客
05-03 751
无论是想快速搭建一个可用的NER系统，还是希望深入理解概率图模型的精髓，CRF都是值得放入工具箱的利器。'prev_is_b-geo': prev_tag == 'B-GEO' # 假设prev_tag是前一个标签。('参观天安门', ['O', 'B-POI', 'I-POI', 'I-POI'])" —— 人工智能先驱吴恩达。- **BiLSTM-CRF**：经典组合，在CoNLL-2003达到91%的F1值。('北京市', ['B-GEO', 'I-GEO', 'I-GEO']),
解锁DeepSeek模型微调：从小白到高手的进阶之路
邓邓子的博客
05-05 659
本文围绕 DeepSeek 模型微调展开系统阐述。首先介绍 DeepSeek 模型在 AI 领域的重要地位及其优势，点明微调对提升模型性能的关键意义。接着深入解析微调原理，涵盖迁移学习基础与参数更新机制。随后详细讲解数据准备、模型选择加载、微调训练实战等核心步骤，包括数据收集标注预处理、参数设置与策略选择。还通过实战案例展示微调全流程，并基于评估结果提出优化改进方法。最后对 DeepSeek 模型微调进行总结，展望其未来发展方向，为希望掌握 DeepSeek 模型微调技术的读者提供全面指导。
远光软件发布九天 AI 应用开发平台，加速企业研发效能跃升
YG_JT的博客
04-30 706
4月25日，远光软件在“2025珠海软件产业年会暨AI技术赋能行业发展交流会”上以虚拟直播方式发布了远光九天AI应用开发平台。
基于MATLAB图像中的圆形目标识别和标记
xrgs_shz的博客
05-05 538
这个公式的来源是，对于圆来说，这个值等于1，因为圆的周长P=2πr，面积A=πr²，代入得4π*(πr²)/(4π²r²)=1。例如，正方形的面积是a²，周长是4a，所以圆度为4πa²/(4a)^2 =4πa²/(16a²)=π/4≈0.7854。'y', 'FontSize',14,'FontWeight','bold') %在边界左侧显示圆度。
存算一体架构下的新型AI加速范式：从Samsung HBM-PIM看近内存计算趋势
高效做AI，就上Aladdin! 同学们用得起的H卡算力平台。
05-01 1359
存算一体不是简单的技术改良，而是对计算本质的重新思考。当HBM-PIM将能效边界推向10 TFLOPS/W，我们正站在架构革命的临界点。这场变革的终极目标，是让计算回归数据本源——‌在比特诞生的地方处理比特‌。本文实验数据基于Samsung Aquabolt-XL HBM-PIM实测，更多技术细节请参考ISSCC 2023论文《A 1ynm 16Gb 4.8TFLOPS/W HBM-PIM with Bank-Level Programmable AI Engines》。
我让AI接管了浏览器！Browser Tools MCP教程：自动Debug+截屏+SEO分析
seeyouintokyo的博客
05-03 1020
小白友好，且效率翻倍
英伟达语音识别模型论文速读：Token-and-Duration Transducer（TDT）架构
最新发布
weixin_52582710的博客
05-05 507
论文提出的 TDT 模型通过在传统 Transducer 模型中加入显式的持续时间建模，在语音识别、语音翻译和口语理解等多个序列任务中均优于传统 Transducer 模型。TDT 模型不仅在准确率上表现相当或更好，而且在推理速度上显著提升，最高可达 2.82 倍加速。此外，TDT 模型在抗噪声和处理重复 token 方面也展现出更强的鲁棒性。未来的工作将致力于进一步提高 TDT 模型的计算效率和准确性，并开发高效的 TDT 模型束搜索算法。
操作系统级竞争开启：AI Agent 能否成为人形机器人爆发的奇点？
望获实时Linux系统
04-30 1249
本文深入探讨了在人形机器人产业从“机械执行”向“自主决策”跃迁的背景下，实时操作系统（RTOS）与AI Agent融合对突破物理世界响应极限的关键作用，重点分析了望获实时Linux等国产RTOS的技术优势及其在不同领域的应用前景，同时客观阐述了产业面临的挑战与机遇，旨在为相关领域的学术研究和产业发展提供参考与借鉴。
生产级RAG系统一些经验总结
yanqianglifei的专栏
05-01 837
可能需要修剪或总结它们。一种常见方法是先检索，然后运行较小的语言模型或启发式算法，将每个检索到的文档总结为一段话，然后将这些摘要输入最终的语言模型。这有时被称为上下文压缩或自适应上下文。LlamaIndex等工具可以自动执行第二阶段，使用语言模型在最终答案之前将初始检索集压缩成更短的形式。仅在绝对需要时使用此方法，因为任何摘要都是额外的生成步骤，可能会引入自己的错误。随着2025年16k+标记模型的出现，如果适合，许多RAG系统尝试只提供原始文本，因为这保留了最大的细节。
Deepseek基础-api key申请及应用(java)、硅基流动api key申请及应用(dify)
简单记录
05-05 645
要识别的车票和发票图片。
tpami2024图像去噪
03-29
### TPAMI 2024 年关于图像去噪的研究概述 在TPAMI 2024年的研究中，有一篇重要的论文提出了无需去噪的含噪图像表示方法[^1]。这项工作旨在解决具有挑战性的噪声退化问题，并提出了一种新的时频判别图像表示技术。这种方法不仅能够提供信息噪声鲁棒性，还能保持几何不变性，而不需要任何学习过程或显式的去噪操作。 具体而言，这种新方法适用于多种小规模鲁棒视觉问题，尤其是在安全和取证领域中的对抗假设场景下表现出显著潜力。其核心优势在于能够在不依赖传统去噪算法的情况下实现对含噪图像的有效表征，从而简化了处理流程并提高了效率。 此外，在多模态图像修复与融合方面也有相关进展。另一项研究表明，通过设计一种名为DeepMCDL的新颖可解释网络，可以有效应对复杂的图像恢复任务[^2]。尽管此部分重点并非完全集中于单一模式下的去噪问题，但它展示了如何利用深度学习框架结合字典学习机制来提升图像质量，这对于理解更广泛的图像增强策略提供了有价值的见解。 对于特定类型的干扰因素如雨水影响，则存在专门针对此类情况开发的技术方案。例如，“图像去雨Transformer”的研究成果涵盖了多个公开可用的数据集用于验证模型性能，其中包括但不限于Rain200H、Rain200L以及SPAData等[^3]。虽然这些资源主要用于评估去除降雨效果的能力，但从侧面反映了当前学术界对于复杂环境下信号提取的关注程度，这也间接促进了通用型图像去噪理论的发展方向。 综上所述，无论是专注于构建新型无监督式含噪图像表达方式还是探索跨域协作优化路径，都可以看出近年来围绕提高数字媒体抗干扰特性的科研活动正呈现出蓬勃发展的态势。 ```python # 示例代码片段展示可能应用于图像预处理阶段的操作逻辑 import numpy as np def apply_noise_robust_representation(image_array): # 假设此处实现了基于时频分析的方法 transformed_image = np.fft.fftshift(np.fft.fft2(image_array)) return abs(transformed_image) # 调用函数模拟输入输出转换过程 noisy_input = np.random.rand(256, 256) * 255 processed_output = apply_noise_robust_representation(noisy_input) ``` ####
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小白学视觉

您的赞赏是我们坚持下去的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值