TPAMI 2025 | 解耦概念瓶颈模型

最新推荐文章于 2025-04-25 22:37:54 发布
最新推荐文章于 2025-04-25 22:37:54 发布
阅读量104 收藏
点赞数
分类专栏： 论文解读 IEEE TPAMI 文章标签： 深度学习 顶刊论文 论文解读 IEEE TPAMI
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/145401746
版权

论文信息

题目：The Decoupling Concept Bottleneck Model
解耦概念瓶颈模型
作者：Rui Zhang, Xingbo Du, Junchi Yan, Shihua Zhang
源码链接：https://github.com/deepopo/DCBM

论文创新点

  1. 理论贡献: 首次从数学上证明了在概念信息不足的情况下，CBM存在概念和标签失真的固有困境。
  2. 模型创新: 提出了解耦概念瓶颈模型（DCBM），通过解耦显式和隐式概念，缓解了概念和标签失真问题。
  3. 交互设计: 设计了前向干预和后向纠正两种人机交互任务，通过互信息估计自动纠正标签并追踪错误概念。

摘要

概念瓶颈模型（CBM）是一种可解释的神经网络，利用高层概念来解释模型决策并进行人机交互。然而

了解本专栏 订阅专栏 解锁全文
TPAMI 2024 | 解耦图神经网络：同时训练多个简单的GNN而不是一个
小白学视觉
11-27 687
图神经网络（GNN）由于节点依赖随着层数增加呈指数增长，导致严重的效率问题。这极大地限制了随机优化算法的应用，使得GNN的训练通常耗时较长。为了解决这个问题，我们提出了将多层GNN解耦为多个简单模块以实现更高效的训练，该框架包括经典的前向训练（FT）和设计的反向训练（BT）。在所提出的框架下，每个模块都可以在FT中通过随机算法高效地训练，而不会因简单性而扭曲图信息。为了避免FT中单向信息传递以及充分训练浅层模块与深层模块，我们开发了一种反向训练机制，使前层模块能够感知后层模块，灵感来自经典的反向传播算法。
TPAMI 2024｜解耦图神经网络，效果惊艳！
深度学习技术前沿
11-06 309
作者丨PaperEveryday来源丨PaperEveryday编辑丨极市平台论文链接：https://arxiv.org/pdf/2304.10126摘要图神经网络（GNN）由于节点依赖随着层数增加呈指数增长，导致严重的效率问题。这极大地限制了随机优化算法的应用，使得GNN的训练通常耗时较长。为了解决这个问题，我们提出了将多层GNN解耦为多个简单模块以实现更高效的训练，该框架包括经典的前向训练（...
TPAMI 2025 | 语言启发的少样本类增量学习关系迁移
小白学视觉
04-10 210
通过观察少量样本来描述新类别是人类学习系统的固有能力。这种终身学习能力通过开放世界学习的增加，帮助区分新知识和旧知识，即少样本类增量学习（FSCIL）。现有的解决这一问题的方法主要依赖于视觉编码器的精细调优，这显示出基础知识和增量知识之间的明显权衡。受人类学习系统的启发，作者提出了一种新的语言启发的关系迁移（LRT）范式，通过联合视觉线索和文本描述来理解对象，该范式由两个主要步骤组成。首先，作者通过提出图关系转换模块将预训练的文本知识迁移到视觉领域，然后通过文本-视觉原型融合模块融合视觉和语言嵌入。
TPAMI 2025 | 自监督多模态学习：综述
小白学视觉
03-20 81
近年来，多模态学习在监督学习领域取得了显著进展，旨在理解和分析来自多种模态的信息。然而，对标注数据的高度依赖以及昂贵的人工标注成本阻碍了模型的扩展。与此同时，由于野外存在大量未标注数据，自监督学习成为缓解标注瓶颈的有吸引力的策略。基于这两个方向，自监督多模态学习（SSML）提供了一种从原始多模态数据中学习的方法。
TPAMI 2025 | 实用紧凑型深度压缩感知网络
小白学视觉
03-19 55
协作采样算子（COSO）的设计：提出了一种新颖的协作采样算子（COSO），用于线性压缩感知获取。该算子将数据驱动的图像先验学习与降维过程解耦，表现出比现有方法更有效的信息保留和鲁棒性。具体来说，COSO 结合了深度条件滤波和双分支快速采样，前者通过卷积网络对输入图像进行自适应滤波，后者使用离散余弦变换和打乱的块对角高斯矩阵进行欠采样。面向部署的矩阵提取方案：提供了一种面向部署的矩阵提取方案，可以将任何线性采样算子转换为其矩阵形式，以便加载到硬件设备（如数字微镜设备 DMD）上。该方案基于结构重参数化技术，能
TPAMI 2024 | 上下文解耦与原型继承：用于鲁棒视觉定位
小白学视觉
06-05 254
视觉定位（VG）旨在根据给定的语言查询在图像中定位一个特定目标。来自上下文的区分信息对于区分目标和其他对象非常重要，特别是对于那些与其他人具有相同类别的目标。然而，大多数先前的方法低估了这类信息。此外，它们通常设计用于标准场景（没有任何新对象），这限制了它们在开放词汇场景中的泛化能力。在本文中，我们提出了一个新颖的框架，通过上下文解耦和原型继承来实现鲁棒的视觉定位，以处理这两种场景。具体来说，上下文解耦分离了指代和上下文特征，实现了它们之间更好的区分。
TPAMI 2024 | YOLO-World: 实时开放词汇目标检测
小白学视觉
11-30 236
You Only Look Once (YOLO) 系列检测器已成为高效实用工具的代表。然而，它们对预定义和训练过的对象类别的依赖限制了在开放场景中的应用。为了解决这一限制，我们引入了 YOLO-World，这是一种通过视觉-语言建模和大规模数据集上的预训练来增强 YOLO 开放词汇检测能力的创新方法。具体来说，我们提出了一个新的可重参数化视觉-语言路径聚合网络（RepVL-PAN）和区域-文本对比损失，以促进视觉和语言信息之间的交互。我们的方法在零样本检测广泛对象方面表现出色，效率极高。
TPAMI 2024 | SMPLer: 驾驭Transformer 用于单目 3D 人体形状和姿态估计
小白学视觉
06-08 289
作者：Xiangyu Xu; Lijuan Liu; Shuicheng Yan神经辐射场（NeRF）在新视图合成方面表现出了巨大的成功。然而，由于潜在的校准信息不完善和场景表示不准确，现有的基于 NeRF 的方法在从现实世界场景中恢复高质量细节方面仍然面临挑战。即使使用高质量的训练帧，NeRF 模型生成的合成新视图仍然存在明显的渲染伪影，如噪声和模糊。为了解决这个问题，我们提出了 NeRFLiX，一种学习降解驱动的视点间混合器的通用 NeRF-无关恢复范式。特别地，我们设计了一种 NeRF 样式的降解建模
TPAMI 2024 | 混合精度神经网络框架的最新研究综述
小白学视觉
01-22 98
混合精度深度神经网络（DNNs）为硬件部署提供了一种高效的解决方案，特别是在资源受限的情况下，同时保持模型的准确性。然而，鉴于模型、数据集和量化方案的广泛性，确定每层的理想位精度仍然是一个挑战，导致搜索空间巨大。近期文献针对这一挑战提出了几种有前景的框架。本文全面概述了现有研究中普遍存在的标准量化分类。提供了当前混合精度框架的详细调查，并进行了深入的比较分析，突出了它们各自的优缺点。文章最后对未来研究的潜在方向提供了见解。
深度学习之卷积神经网络入门
2201_75345884的博客
04-25 502
loss_fn=nn.CrossEntropyLoss() #创建交叉熵损失函数对象，因为手写字识别中一共有10个数字，输出会有10个结果optimizer=torch.optim.Adam(model.parameters(),lr=0.01) #创建一个优化器# #params:要训练的参数，一般我们传入的都是model.parameters()# lr:learning_rate学习率，也就是步长是交叉熵损失函数，适用于多分类任务，用于计算模型预测结果与真实标签之间的差距。
基于深度学习Yolo8的驾驶员疲劳与分心行为检测系统
XiaoCoder的博客
04-23 220
③：技术栈：Python、PySide6、OpenCV、YOLOv8、Matplotlib、NumPy。②：开发环境：Python3.8+、PyCharm/VSCode。①：疲劳检测：眨眼频率监测、哈欠检测、Perclos模型评分。②：分心行为识别：手机使用检测、抽烟行为检测、喝水行为检测。④：数据统计：行为数据可视化、疲劳指标统计、数据导出功能。①：系统环境：Windows/Mac/Linux。③：实时监控：摄像头实时画面显示、状态实时更新。【三】疲劳检测模型与行为分析统计。
深度学习--自然语言处理统计语言与神经语言模型
m0_65065095的博客
04-25 1040
传统的语言模型是基于词袋模型（Bag-of-Words）和one-hot编码展开工作的，即在传统的语言模型中要生成一个句子，其实是拿一堆词语进行拼凑，拼凑出一个句子后我们需要有一个评委来对这个机器生成的句子进行打分和评价，语言模型就是这么一位评委，它会给每个句子打出一个概率值，以表明他们与人类语言的接近程度。
2025-04-22 李沐深度学习5 —— 线性回归
zheliku的博客
04-22 1270
​ 在美国买房时，买家需根据房屋信息（如卧室数量、卫生间数量、面积等）预测合理的成交价。输入数据：房屋特征（如X1=卧室数X2=卫生间数X3=面积输出目标：预测成交价Y。实际挑战：卖家的标价和网站估价（如Redfin）仅为参考，最终需通过竞价决定成交价，因此准确预测至关重要。​ 计算输入特征X\mathbf{X}X和模型权重w\mathbf{w}w的矩阵-向量乘法后加上偏置bbb。​ 注意，上面的XwXw是一个向量，而bbb是一个标量。
时间序列预测模型比较分析：SARIMAX、RNN、LSTM、Prophet 及 Transformer
weixin_53707653的博客
04-25 347
我们使用 “电力生产 ”数据集探索时间序列识别。我们的目标是计算该数据的月平均值，从而发现准确预测所必需的关键趋势和模式。plt.show()图 (1)： 月度电力生产数据可视化该图（图 1）揭示了电力生产的潜在季节性变化，这对预测工作至关重要。plt.show()图 (2)： ACF 和 PACF 图Dickey-Fuller 检验： 显示非平稳性，表明需要进行差分。ACF 和 PACF： 突显了自回归和移动平均成分的必要性，建议使用初始 ARIMA（1,1,0）模型。
NLP高频面试题（五十四）——深度学习归一化详解
最新发布
WeLearnNLP
04-25 66
现代深度学习中出现了多种归一化技术，它们各有针对的应用场景和特点。我们下面将介绍批归一化（Batch Normalization）层归一化（Layer Normalization）组归一化（Group Normalization）等最为常见的方法，以及实例归一化（Instance Normalization）、**权重归一化（Weight Normalization）**等衍生技术。对于每种方法，我们将讨论其核心原理、计算步骤、优势与局限。
深度学习视觉应用平台特色功能介绍
tipdm0301的博客
04-22 536
深度学习视觉应用平台是面向高校人工智能相关专业课程教学的工具。平台内置丰富有趣的视觉应用案例，将深度学习算法与视觉应用结合，实现图像分类、图像生成、图像增强等交互式实验场景，形象展示算法原理和结构。
深度学习-全连接神经网络（过拟合，欠拟合。批量标准化）
De_Yh的博客
04-22 1280
而是需要根据具体的数据集进行统计计算。这些值是 ImageNet 数据集的统计结果，已成为计算机视觉任务的默认标准。
目标检测：视觉系统中的CNN-Transformer融合网络
Hello大家好，我是Dream，如果帮得到你，那我深感荣幸！想进粉丝福利群及免费送书群，直接私信我拉你。交流学习、商务合作：https://bbs.csdn.net/topics/614347534
04-21 1403
RTD-Net是一个单阶段检测网络，它直接从输入图像预测目标的位置和类别，然后通过非最大抑制（NMS）处理来获取最终检测结果。网络设计考虑了检测精度和速度的平衡，特别适用于资源受限的嵌入式设备。
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