TPAMI 2024 | 实例一致性正则化用于半监督3D实例分割

最新推荐文章于 2025-05-06 19:40:05 发布
最新推荐文章于 2025-05-06 19:40:05 发布
阅读量18 收藏
点赞数
分类专栏： 论文解读 IEEE TPAMI 文章标签： IEEE TPAMI 深度学习 顶刊论文 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/146135692
版权

论文信息

题目：Instance Consistency Regularization for Semi-Supervised 3D Instance Segmentation
实例一致性正则化用于半监督3D实例分割
作者：Yizheng Wu, Zhiyu Pan, Kewei Wang, Xingyi Li, Jiahao Cui, Liwen Xiao, Guosheng Lin, Zhiguo Cao

论文创新点

  1. 首次提出仅依赖实例一致性正则化进行半监督3D实例分割：以往的方法通常依赖于语义和实例伪标签的联合一致性正则化，但语义伪标签由于类别分布不平衡和类别间的自然混淆，往往引入大量噪声，导致自训练性能下降。本文通过观察3D实例在点云中不重叠且空间可分的特性，提出仅利用实例一致性正则化来提升半监督分割性能，避免了语义伪标签带来的噪声影响。
  2. 设计了一个并行的3D实例分割模型DKNet&
了解本专栏 订阅专栏 解锁全文
TPAMI 2024 | 风格化学习：跨任务和领域的持续语义分割
小白学视觉
11-28 162
Learning With Style: Continual Semantic Segmentation Across Tasks and Domains 风格化学习：跨任务和领域的持续语义分割 Marco Toldo; Umberto Michieli; Pietro Zanuttigh 摘要 在现实世界的环境中处理图像理解的深度学习模型必须能够适应不同领域中的广泛任务。领域适应和类别增量学习分别处理领域和任务的可变性，而它们的统一解决方案仍然是一个开放问题。我们同时应对问题的两个方面，考虑到输入和标签
TPAMI 2024 | 用于主动目标检测的多实例差异化学习
小白学视觉
11-12 457
尽管图像识别的主动学习取得了实质性进展，但缺乏对目标检测中实例级主动学习的系统研究。在本文中，我们提出了一种将实例不确定性计算与图像不确定性估计统一起来的方法，用于信息图像选择，创建了一种用于实例级主动学习的多实例差异化学习（MIDL）方法。MIDL包括一个分类器预测差异化模块和一个多实例差异化模块。前者利用两个对抗性实例分类器在标记集和未标记集上进行训练，以估计未标记集的实例不确定性。后者将未标记图像视为实例包，并使用多实例学习方式中的实例分类模型重新估计图像-实例不确定性。
TPAMI 2024 | 神经网络的随机正则化与简单一致性训练
小白学视觉
10-01 208
近年来，深度学习在自然语言处理、计算机视觉、语音/音频处理等领域取得了显著的成功。在训练神经网络时，各种形式的随机性[1][2][3][4][5]被引入以简化模型优化过程并防止过拟合。其中，Dropout技术及其在不同角度（例如，数据、模型结构）的变体被广泛用于防止深度神经网络的训练过程中隐藏单元的协同适应，提高模型的鲁棒性，规范模型训练，并在推理中提取有效的子模型。然而，这些基于dropout的方法引入的随机性可能会导致训练和推理阶段之间的显著不一致性。
TPAMI 2024 | 用于自监督点云表示的生成变分对比学习
小白学视觉
10-09 162
三维点云的自监督表示学习受到了越来越多的关注。然而，现有的3D计算机视觉领域的方法通常使用固定的嵌入来表示潜在特征，并对嵌入施加硬约束，以使正样本的潜在特征值趋于一致，这限制了特征提取器在不同数据域上的泛化能力。为了解决这个问题，我们提出了一个生成变分对比学习（GVC）模型，其中使用高斯分布来构建潜在特征的连续、平滑表示。构建了分布约束和交叉监督，以提高特征提取器在合成和真实世界数据上的迁移能力。具体来说，我们设计了一个变分对比模块来约束特征分布，而不是潜在空间中每个样本对应的特征值。
TPAMI 2024 | 基于几何一致性的无监督3D点云物体分割
小白学视觉
03-07 32
本文研究了从原始点云中进行3D物体分割的问题。与现有通常需要大量人工标注进行完全监督的方法不同，我们提出了第一个无监督方法，称为OGC，能够在单次前向传播中同时识别多个3D物体，而无需任何类型的人工标注。我们方法的关键在于充分利用序列点云中的动态运动模式作为监督信号，自动发现刚性物体。我们的方法由三个主要组件组成：1) 物体分割网络，直接从单个点云帧估计多物体掩码；2) 辅助自监督场景流估计器；3) 我们的核心物体几何一致性组件。
TPAMI 2024 | 通过显著性指导的混合提升因子分解机
小白学视觉
07-23 181
因子分解机（FMs）因其适应性和从稀疏数据中学习的能力而广泛应用于推荐系统。然而，对于稀疏数据中无交互的特征，现有的FMs只能通过其嵌入的内积估计这些特征的参数。不可否认的是，它们无法学习这些特征的直接交互，限制了模型的表达能力。为此，我们首先提出受Mixup启发的MixFM，通过生成辅助训练数据来提升FMs。不同于现有的增强策略需要劳动力和专业知识来收集额外的信息（例如位置和字段），这些增强数据只需通过原始数据的凸组合生成，无需任何专业知识的支持。
TPAMI 2024 | 弱增强引导的关系自监督学习
小白学视觉
03-03 49
自监督学习（Self-Supervised Learning, SSL），包括主流的对比学习，已经在无需数据标注的情况下学习视觉表示方面取得了巨大成功。然而，大多数方法主要关注实例级别的信息（即，同一实例的不同增强图像应具有相同的特征或聚类到同一类别），但缺乏对不同实例之间关系的关注。在本文中，我们引入了一种新的SSL范式，我们称之为关系自监督学习（Relational Self-Supervised Learning, ReSSL）框架，该框架通过建模不同实例之间的关系来学习表示。
TPAMI 2024 | 具有放松保守性的高效离线强化学习
小白学视觉
09-02 199
Efficient Offline Reinforcement Learning With Relaxed Conservatism 题目：具有放松保守性的高效离线强化学习 作者：Longyang Huang; Botao Dong; Weidong Zhang 摘要 离线强化学习（RL）旨在从不与环境交互的静态离线数据集中学习最优策略。然而，现有离线RL方法的理论理解需要进一步研究，其中学习到的Q函数和策略的保守性是一个主要问题。在本文中，我们提出了一个简单高效的放松保守性（ORL-RC）框架，通过学习
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。
Pycharm（十九）深度学习
higerwy的博客
05-06 680
深度学习是机器学习中的一种特殊方法，它使用称为神经网络的复杂结构，特别是“深层”的神经网络，来学习和做出预测。深度学习特别适合处理大规模和高维度的数据，如图像、声音和文本。深度学习、机器学习和人工智能之间的关系如下图所示：深度学习⊆机器学习⊆人工智能优点：1）精度高，性能优于其他的机器学习算法，甚至在某些领域超过了人类；2）随之计算机硬件的发展，可以近似任意的非线性函数；3）近年来在学界和业界受到了热捧，有大量的框架和库可供调。缺点：1）黑箱。
在深度学习中，什么是线性插值（linear interpolation）？
weixin_44649780的博客
04-30 507
线性插值是寻找两个点之间中间值的最基础方法之一，广泛应用于：数值计算计算机图形学机器学习和深度学习它的标准公式是：x0,x1∈Rn：两个向量或标量t∈[0,1]：插值系数（0 表示完全靠近 x0，1 表示完全靠近 x1​）它对应的是两个点之间的一条线段轨迹。线性插值就是“在两个已知点之间，按一定比例找到中间点”的方法，无论是图像、特征、模型参数，它都可以用来“平滑地过渡”。📢 想要了解更多内容，可在VX小程序搜索🔍AI Pulse,获取更多最新内容。
远程深度学习新环境配置流程
weixin_45668967的博客
04-30 335
下载并安装适合你系统的 Miniconda 版本。
卷积神经网络实战（2）
weixin_55843921的博客
05-04 315
一开始conv1，第一层卷积层，去运算的时候，以前全连接的时候直接展平，现在是三维的，通道数是1（黑白照片），卷积的时候卷积核也是（1,3,3），但现在卷积核的尺寸实际上是立方体，虽然写的是2d，这是接口的这么一个设计，之所以是2d是因为在两个维度上进行移动（上下左右），不像以前的全连接是一维的必须展平。nn.MaxPool2d(2,2)，前面一个2代表池化核大小是2*2，后面的2代表步长。池化一次把图像尺寸减半。对于第二层卷积层，卷积核是(32,3,3)，这层的输入和输出的大小一样，作用是提取高层特征。
《解锁LibTorch：开启C++深度学习新征程》
zheng_ruiguo的专栏
04-30 712
LibTorch 作为 PyTorch 的 C++ 接口，凭借其独特的优势在深度学习领域占据了重要的一席之地。它不仅继承了 PyTorch 的动态计算图和自动求导机制，还充分发挥了 C++ 语言的高性能和低延迟特性，为深度学习的研究和应用提供了强大的支持。从功能特性上看，LibTorch 在张量操作、神经网络训练与推理、多平台支持以及与 Python 的互操作性等方面表现出色。其张量操作接口简洁高效，与 PyTorch 类似，方便开发者快速上手。
深度学习系统学习系列【3】之血液检测项目
缘友一世的博客
05-05 808
通过构建一个3 层的人工神经网络ANN模型对收集到的数据进行训练，得到该医疗数据的分类模型，最后利用新的医疗数据，预测其所属病理分类。
基于Python Flask的深度学习电影评论情感分析可视化系统（2.0升级版，附源码）
IT徐师兄
04-27 1461
基于Python Flask的深度学习电影评论情感分析可视化系统（2.0升级版），集成了Flask框架与先进的word2vec向量模型，能够自动解析影评文本的情感倾向，精准评估电影的好评与差评比例，并通过直观的可视化界面展示分析结果。该项目通过大数据技术分析海量影评，量化好评与差评的分布，为电影评论提供全面的汇总评价分析。
使用注意力机制的seq2seq
weixin_73557167的博客
05-05 795
使用注意力机制的 seq2seq
多模态训练与微调
最新发布
kingJamesbond的博客
05-06 350
例如，当模型遇到一个涉及几何图形的问题时，它可以利用图像模态的信息来辅助理解问题，并结合文本模态的信息进行推理和解答。选择合适的融合方法需要综合考虑多个因素，包括任务的特定需求、计算资源的可用性、数据的质量和规模，以及模态间的相关性程度等。此外，随着研究的深入，一些新的融合方法也在不断涌现，如基于神经架构搜索的自动化融合方法，以及考虑时序信息的动态融合策略等。在实际应用中，这些掩码策略的创新极大地提升了模型在各类下游任务中的表现，尤其是在需要精确的跨模态对齐的任务中，如细粒度的图文检索和视觉问答。
R8周：RNN实现阿尔茨海默病诊断
weixin_42245644的博客
05-06 475
训练循环size = len(dataloader.dataset) # 训练集的大小num_batches = len(dataloader) # 批次数目, (size/batch_size，向上取整)train_loss, train_acc = 0, 0 # 初始化训练损失和正确率for X, y in dataloader: # 获取图片及其标签# 计算预测误差pred = model(X) # 网络输出。
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