![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
TPAMI
文章平均质量分 91
北岭狼人
一个超级疯狂的Pythoner
展开
-
论文阅读 [TPAMI-2023] Consistency and Diversity Induced Human Motion Segmentation
子空间聚类是一种经典的技术,已广泛用于人体运动分割和其他相关任务。然而,现有的分割方法常常在没有先验知识指导的情况下对数据进行聚类,导致分割结果不理想。为此,我们提出了一种新的一致性和多样性诱导的人体运动分割(CDMS)算法。具体来说,我们的模型将源数据和目标数据分解为不同的多层特征空间,其中在不同的层上进行转移子空间学习以捕获多层信息。为了减少源数据和目标数据之间的领域差距,实施了一种多相互一致性学习策略。通过这种方式,可以同时探索领域特定知识和领域不可变财产。原创 2023-03-06 06:49:25 · 436 阅读 · 1 评论 -
[TPAMI-2023] Dataset-Driven Unsupervised Object Discovery for Region-Based Instance Image Retrieval
实例图像检索可以从发现图像数据集中的对象中获益匪浅。这不仅有助于产生更可靠的特征表示,而且通过描绘查询匹配的对象区域来更好地通知用户。然而,对象类通常不会在检索数据集中预定义,并且类标签信息通常在图像检索中不可用。这种情况使得对象发现成为一项具有挑战性的任务。为了解决这个问题,我们提出了一种新的数据集驱动的无监督对象发现框架。通过利用深度特征表示和弱监督对象检测,我们从图像数据集中探索监督信息,构建类对象检测器,并为每个图像分配多个检测器进行检测。原创 2023-03-06 06:48:28 · 325 阅读 · 0 评论 -
[TPAMI-2023] Learning to Extract Building Footprints From Off-Nadir Aerial Images
从航空图像中提取建筑足迹对于利用摄影测量计算机视觉技术精确绘制城市地图至关重要。现有的方法主要假设建筑物的屋顶和占地面积很好地重叠,这可能无法保持在最低点的空中图像中,因为它们之间通常存在较大的偏移。在本文中,我们提出了一种偏移向量学习方案,该方案将非最低点图像中的建筑足迹提取问题转化为建筑屋顶及其对应的“屋顶到足迹”偏移向量的实例级联合预测问题。因此,可以通过根据预测的偏移矢量平移预测的屋顶掩模来估计足迹。原创 2023-03-06 06:45:51 · 235 阅读 · 0 评论 -
[TPAMI-2023] Towards Improved and Interpretable Deep Metric Learning via Attentive Grouping
分组通常用于深度度量学习,以计算不同的特征。为了提高性能和可解释性,我们提出了一种改进的、可解释的分组方法,可与任何度量学习框架灵活集成。具体来说,我们的方法基于注意力机制,每个组都有一个可学习的查询。该查询是完全可训练的,当与多样性损失相结合时,可以捕获特定于组的信息。我们方法的一个吸引人的特性是,它自然具有可解释性。可学习查询和每个空间位置之间的注意力得分可以解释为该位置的重要性。我们正式证明了我们提出的分组方法对特征的空间排列是不变的。原创 2023-03-06 06:46:19 · 214 阅读 · 0 评论 -
[TPAMI-2023] Enhanced Spatio-Temporal Interaction Learning for Video Deraining: Faster and Better
视频去噪是计算机视觉中的一项重要任务,因为多余的雨水会阻碍视频的可见性,并使大多数户外视觉系统的鲁棒性下降。尽管最近在视频去噪方面取得了重大成功,但仍存在两个主要挑战:1)如何利用连续帧之间的大量信息,以跨空间和时间域提取强大的时空特征,以及2)如何使用高速方法恢复高质量去噪视频。在本文中,我们提出了一种新的端到端视频降级框架,称为增强时空交互网络(ESTINet),它大大提高了当前最先进的视频降级质量和速度。原创 2023-03-06 06:45:20 · 253 阅读 · 0 评论 -
[TPAMI-2023] Cyclic Differentiable Architecture Search
可区分ARchiTecture搜索,即DARTS,在神经架构搜索中引起了极大的关注。它试图在浅搜索网络中找到最佳架构,然后在深度评估网络中测量其性能。然而,搜索和评估网络的独立优化允许两个网络之间的交互,从而为潜在的改进留下了空间。为了解决有问题的优化问题,我们提出了新的联合优化目标和一个新的循环可微ARchiTecture搜索框架,称为CDARTS。考虑到结构差异,CDARTS通过内省蒸馏在搜索和评估网络之间建立循环反馈机制。首先,搜索网络生成用于评估的初始架构,并优化评估网络的权重。原创 2023-03-06 06:44:21 · 100 阅读 · 0 评论