每日论文 | 用卷积网络恢复模糊图像;面向语义分割的域适应;动态图形神经网络

2018 年 10 月 29 日 论智

1

Convolutional Deblurring for Natural Imaging

在这篇论文中,我们提出了一种新方法修正图像的模糊影像,只需要一次卷积过滤,可以直接恢复模糊的图像。光学模糊的问题在很多图像应用领域都是缺点,由于计算成本高、图像重建的质量有限,去除模糊一直是个挑战。我们通过合成一个反卷积核,将其作为FIR的线性组合,在图像边缘应用一个高斯低通滤波器来解决这一问题。

地址:https://arxiv.org/abs/1810.10725

2

Domain Adaptation for Semantic Segmentation via Class-Balanced Self-Training

最近,深度网络在语义分割上取得了很大进步,但是很多模型通常在现实生活中遇到的挑战和训练中的很不一样,许多都是训练数据中不存在的问题。尤其是这样的差距通常体现在“域之间的差别”上,可能会导致模型性能的急剧下降。在这篇论文中,我们提出了一种新的无监督域适应框架,将问题改变成隐藏变量损失的最小化,通过生成目标数据的伪标签并重新训练模型。

地址:https://arxiv.org/abs/1810.07911

3

Dynamic Graph Neural Networks

最近几年,图形神经网络受到了很多关注,他们被应用到多种不同的、与图像相关的任务中,例如对系统活动进行推理、图形分类、节点分类等等。大多数图形神经网络模型都是为静态图形设计的,但现实中很多图形内不是动态的。所以在这篇论文中,我们提出了DGNN,这是一种新的动态图形神经网络,可以将动态信息建模成图形。

地址:https://arxiv.org/abs/1810.10627

登录查看更多
4

相关内容

【ICLR-2020】网络反卷积,NETWORK DECONVOLUTION
专知会员服务
38+阅读 · 2020年2月21日
医学图像分割的深度学习解决方案综述
专知会员服务
87+阅读 · 2020年2月14日
【NeurIPS2019】图变换网络:Graph Transformer Network
CVPR 2019 Oral 论文解读 | 无监督域适应语义分割
AI科技评论
49+阅读 · 2019年5月29日
深度学习的图像修复
AI研习社
21+阅读 · 2019年3月28日
CMU论文解读:基于GAN和VAE的跨模态图像生成
PaperWeekly
9+阅读 · 2018年8月20日
CVPR 2018 | 无监督语义分割之全卷积域适应网络
极市平台
8+阅读 · 2018年6月28日
用于RGB-D室内场景语义分割的门式融合局部感知反卷积网络
机器学习研究会
7+阅读 · 2017年10月30日
Neural Image Captioning
Arxiv
5+阅读 · 2019年7月2日
Neural Approaches to Conversational AI
Arxiv
8+阅读 · 2018年12月13日
Arxiv
7+阅读 · 2018年11月27日
Arxiv
4+阅读 · 2018年9月25日
VIP会员
Top
微信扫码咨询专知VIP会员