公共文化服务平台

搜索到4803篇“ 多视图“的相关文章

头部跟踪多视图显示器和方法: 头部跟踪多视图显示器包括多波束背光体，该多波束背光体提供具有与多视图图像的不同视图方向相对应的不同主角方向的多个光束。处理器接收多视图图像的多个临时视图。临时视图对应于不同的视图方向。处理器接收关于用户的跟踪位置的信息。...; D·A·法塔尔S·S·萨姆拉

预测性头部跟踪多视图显示器和方法: 预测性头部跟踪多视图显示器包括多波束背光，该多波束背光提供具有与多视图图像的不同视图方向相对应的不同主角方向的多个光束。处理器接收多视图图像的多个临时视图。临时视图与不同的视图方向相对应。处理器接收关于用户的预测位置的信...; D·A·法塔尔G·沙库拉

融合加权不一致性的多视图聚类: 2025年; 图学习是一种广泛应用于多视图聚类的技术,它可以从多视图中学习出统一的相似图.现有的图学习方法大多只能发掘多视图的一致性,忽视了不一致的信息,这使得它们可能在学习过程中丢失视图独有的信息.为了解决这个问题,本文提出了一种融合一致性和不一致性,面向图的多视图低秩聚类框架.该方法首先将多视图分解为一致性和不一致性两个部分,然后利用自适应加权融合多视图的一致性图,并在此过程中防止权重出现平凡解;进而,提出了一种新颖的低秩融合策略,用一个统一的目标函数融合多视图一致性和不一致性,并通过谱聚类获得结果.本文还设计并实现了一种迭代优化方法来求解目标函数.最后,7个多视图数据集的对比实验验证了该方法的有效性.; 滕少华盛文涛滕璐瑶张巍曾莹

一种基于三维多视图的集料粒径预测方法: 本发明公开了一种基于三维多视图的集料粒径预测方法，通过从集料的三维点云数据中生成多视图投影，结合深度学习技术对多视图信息进行融合和处理，从而实现更高精度和更稳定的粒径分类；本发明不仅能有效弥补二维单视图方法的不足，还能充...; 李伟田澳佳贾欣琪杨明剡熠辉赵原林裴莉莉

基于孪生神经网络的多视图分子对活性预测方法及装置: 本发明公开了一种基于孪生神经网络的多视图分子对活性预测方法和装置，包括：构建包含蛋白质靶标的分子对活性数据集；分别提取两个分子的初始嵌入表示和蛋白质靶标的初始嵌入表示；构建具有孪生神经网络架构的多视图分子对活性预测模型；...; 曹戟张豪蒋莉杨波何俏军郭越

基于公平感知的缺失多视图聚类被引量：1: 2025年; 缺失多视图聚类是一种处理多源数据的方法,它能够在数据中发现一致和互补的信息,并将数据分成不同的簇。这种方法可以有效解决复杂环境下的无监督多源数据分析问题,因此受到了广泛关注。然而,现有的缺失多视图聚类算法存在一些问题。它们往往忽视了数据中的一些差异,这些差异源于特殊群体的敏感属性。这会导致算法对这些特殊群体产生偏见,从而引发聚类的不公平问题。此外,经过修复之后的缺失样本,缺乏样本的独特性。针对以上问题,本文提出了一种基于公平感知的缺失多视图聚类方法,以缓解无监督聚类任务对特殊群体的不公平对待,同时解决了多视图数据一致性融合和缺失数据恢复问题。首先分别为每一个视图训练一个自动编解码器,利用信息论对经过编码器得到的多视图嵌入特征进行一致性融合,同时训练一个生成网络以恢复缺失视图数据,在使用嵌入特征进行聚类时,约束各簇中特殊群体的分布,使得各簇中特殊群体分布与整个数据集中的分布接近以保证算法的公平性。实验在3个常用多视图数据集上与最新的5种缺失多视图聚类方法进行了比较,在Bank数据集上缺失率为0.5时,相比于性能第2的方法,标准化互信息(Normalized Mutual Information,NMI)值提高了0.82%,公平值(Balance)提高了3.03%;在Credit Card数据集上缺失率为0时,相比于性能第2的方法,NMI值提高了3.53%,Balance值提高了5.62%。同时也在Credit Card数据集中进行了可视化实验以验证聚类算法的性能和公平性,消融实验证明了提出的多视图一致性融合和缺失视图恢复机制的有效性。本文所提出的方法考虑了缺失多视图场景下无监督聚类算法的公平性问题,在保证算法聚类性能的前提下提高了无监督聚类任务的公平性。; 江梦平刘美玲王前前高全学张向东; 关键词：无监督学习

基于多视图一致性扩散模型的多视图转换方法: 本发明涉及图像转换技术领域，公开了一种基于多视图一致性扩散模型的多视图转换方法，通过统一的基于扩散模型的多视图到多视图的转换框架，训练一个多视图一致性扩散模型。该转换框架具有一种新的自监督训练策略，一致性和对抗性监督策略...; 蔡有城刘利刚

一种基于视图信息质量估计的不完整多视图不完整多标签学习与分类方法: 本发明公开了一种基于视图信息质量估计的不完整多视图不完整多标签学习与分类方法，包括：获取若干不完整多视图不完整多标签数据；构建不完整多视图不完整多标签学习模型，将所述不完整多视图不完整多标签数据输入所述不完整多视图不完整...; 龙江文杰程正挺

MSMVT:多尺度和多视图Transformer半监督医学图像分割框架: 2025年; 近年来,Transformer在众多监督式计算机视觉任务中取得了显著进展,然而由于高质量医学标注图像的缺乏,其在半监督图像分割领域的性能仍有待提高。为此,提出了一种基于多尺度和多视图Transformer的半监督医学图像分割框架:MSMVT(multi-scale and multi-view transformer)。鉴于对比学习在Transformer的预训练中取得的良好效果,设计了一个基于伪标签引导的多尺度原型对比学习模块。该模块利用图像金字塔数据增强技术,为无标签图像生成富有语义信息的多尺度原型表示;通过对比学习,强化了不同尺度原型之间的一致性,从而有效缓解了由标签稀缺性导致的Transformer训练不足的问题。此外,为了增强Transformer模型训练的稳定性,提出了多视图一致性学习策略。通过弱扰动视图,以校正多个强扰动视图。通过最小化不同视图之间的输出差异性,使得模型能够对不同扰动保持多层次的一致性。实验结果表明,当仅采用10%的标注比例时,提出的MSMVT框架在ACDC、LIDC和ISIC三个公共数据集上的DSC图像分割性能指标分别达到了88.93%、84.75%和85.38%,优于现有的半监督医学图像分割方法。; 李飞翔降爱莲; 关键词：TRANSFORMER 多尺度多视图

多视图3D扩散: 本公开的实施例涉及多视图3D扩散。描述了一种图像生成系统。该系统包括神经网络模型，该神经网络模型被配置为执行扩散过程以从相同输入提示生成多视图图像集合。该多视图图像集合具有来自不同视图取向的相同主题。该神经网络模型包括自...; 施亦纯王鹏叶江龙麦龙杨骁沈晓辉

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈