Neural Network Libraries: A Deep Learning Framework Designed from Engineers' Perspectives
Sony Group Corporation（索尼集团公司）
虽然存在过多的深度学习工具和框架，但该领域快速增长的复杂性带来了新的需求和挑战，例如更灵活的网络设计，分布式设置的快速计算以及不同工具之间的兼容性。在本文中，我们介绍了神经网络库（nnabla.org），这是一个从工程师角度设计的深度学习框架，强调可用性和兼容性是其核心设计原则。我们详细阐述了我们的每一个设计原则和它的优点，并通过实验验证我们的尝试。
2021-06-21 cs.CV cs.LG
A Perspective on Deep Imaging
University of Toronto（多伦多大学）
断层成像和深度学习的结合，或一般的机器学习，不仅可以增强图像分析，还可以增强图像重建。后一方面被认为是在这个角度的文章，重点是医学成像，发展新一代的图像重建理论和技术。这个方向可能会导致智能利用大数据领域知识，图像重建的创新方法，以及临床和临床前应用的卓越性能。为了实现机器学习对医学成像的全面影响，必须解决主要挑战。
2016-11-04 cs.CV cs.LG q-bio.QM
Structural Similarity in Deep Features: Image Quality Assessment Robust to Geometrically Disparate Reference
Fuzhou University（福州大学）；University of Waterloo（滑铁卢大学）
本文提出统一的无需训练的深度结构相似性方法 DeepSSIM，通过评估深度特征结构相似性并结合注意力校准，在单一框架内同时解决对齐参考和几何不一致参考的图像质量评估问题，并在多个任务中展现出强鲁棒性和泛化能力。
2024-12-27 cs.CV eess.IV
Experimental Large-Scale Jet Flames' Geometrical Features Extraction for Risk Management Using Infrared Images and Deep Learning Segmentation Methods
Tecnologico de Monterrey（蒙特雷科技大学）；Universidad de las Americas Puebla（普埃布拉美洲大学）；Universitat Politècnica de Catalunya（加泰罗尼亚理工大学）
喷射火灾相对较小，在工业厂房可能发生的各种火灾事故中影响最小;然而，它们通常涉及称为多米诺效应的过程，该过程导致更严重的事件，例如爆炸或引发另一场火灾，使得对此类火灾的分析成为风险分析的重要组成部分。这项研究工作探讨了深度学习模型在另一种方法中的应用，该方法使用喷射火焰的语义分割来提取与火灾风险评估相关的主要几何属性。比较了传统的图像处理方法和一些最先进的深度学习模型。研究发现，最好的方法是称为UNet的深度学习架构，以及它的两个改进，Attention UNet和UNet++。然后，该模型被用来分割一组不同的管道出口直径的垂直射流火焰，以提取其主要的几何特征。注意UNet在火焰高度和面积的近似方面获得了最佳的总体性能，同时也显示出它与UNet++之间的统计学显着差异。UNet在离地距离近似方面获得了最佳的整体性能;然而，没有足够的数据证明Attention UNet和UNet++之间存在统计学显著差异。UNet++优于其他模型的唯一实例是在获得具有0.01275 m管道出口直径的喷射火焰的升空距离时。在一般情况下，探索的模型显示出良好的协议之间的实验和预测值相对较大的湍流丙烷射流火焰，在音速和亚音速制度释放，因此，使这些辐射区分割模型，不同的射流火焰风险管理方案的一个合适的方法。
2022-01-20 cs.CV eess.IV
A Survey on Deep Clustering: From the Prior Perspective
College of Computer Science, Sichuan University（四川大学计算机学院）
本文从先验知识视角系统综述深度聚类方法，将其归纳为六类先验，总结先验创新的两大趋势，并在五个常用数据集上构建基准，为未来研究提供启发。
2024-07-01 cs.CV cs.LG
An Analysis of Deep Neural Networks with Attention for Action Recognition from a Neurophysiological Perspective
Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）；University of Trento（特伦托大学）
我们回顾了最近三种基于深度学习的动作识别方法，并从神经生理学的角度对这些方法进行了简要的比较分析。我们认为这三种基于深度学习的方法与一些关于人脑功能的现有假设之间存在一些相似之处。
2019-07-02 cs.CV
Toon3D: Seeing Cartoons from New Perspectives
UC Berkeley（加州大学伯克利分校）
针对卡通动漫图像几何不一致导致现有SfM方法失效的问题，提出Toon3D方法，通过变形输入图像结合单目深度引导恢复3D结构，构建了对应数据集，实验证明其能得到更可靠的相机位姿与场景几何，可支持新视角观看卡通。
2024-12-10 cs.CV
Generalized Evidential Deep Learning: From a Bayesian Perspective
School of Data Science, Fudan University, Shanghai, China（复旦大学数据科学学院，上海，中国）
本文从广义贝叶斯框架出发，为证据深度学习建立理论基础，并提出统一可扩展的广义证据深度学习框架，在分类、不确定性估计和OOD检测上取得可比结果。
2026-05-25 cs.CV cs.LG
Universal Adversarial Perturbations Through the Lens of Deep Steganography: Towards A Fourier Perspective
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
人们对对抗攻击的兴趣日益高涨，这源于人类视觉与深度神经网络（DNN）之间的不一致，即人类难以察觉的扰动欺骗了DNN。此外，可以生成通常称为通用对抗扰动（UAP）的单个扰动来欺骗大多数图像的DNN。最近在深度隐写任务中也观察到了类似的错位现象，其中解码器网络可以从稍微扰动的封面图像中检索出秘密图像。我们试图从傅立叶的角度来解释两者的成功。我们进行了特定于任务的联合分析，并揭示了（a）频率是影响其性能的关键因素，基于所提出的用于量化频率分布的熵度量;（b）他们的成功可以归因于DNN对高频内容高度敏感。我们还执行特征层分析，以深入了解模型的泛化和鲁棒性。此外，我们还提出了两种新的通用扰动变体：（1）通用秘密对抗扰动（USAP），同时实现攻击和隐藏;（2）高通UAP（HP-UAP），人眼不太可见。
2021-02-12 cs.CV cs.LG
Deep Learning Meets OBIA: Tasks, Challenges, Strategies, and Perspectives
Nanjing University（南京大学）；Fuzhou University（福州大学）；Michigan Technological University（密歇根理工大学）；Sichuan University（四川大学）；University of Salzburg（萨尔茨堡大学）
本文综述 OBIA 的任务子领域，梳理深度学习处理非结构化对象数据的五类策略与未来方向，以促进其融入 OBIA 工作流。
2024-08-02 cs.CV cs.LG
Deep Morphing: Detecting bone structures in fluoroscopic X-ray images with prior knowledge
Paderborn University（帕德博恩大学）；Klinikum Augsburg（奥格斯堡医院）
我们提出了基于深度学习的方法来定位图像中的对象，当只有一个小的训练数据集可用，图像质量低。这适用于医学图像处理中的许多问题，并且特别适用于透视（低剂量）X射线图像的分析，其中图像具有低对比度。我们通过结合有关对象的高级信息来解决这个问题，这些信息可以是简单的几何模型，如圆形轮廓，也可以是更复杂的统计模型。一个简单的几何表示可以充分描述一些对象，只需要最少的标记。统计形状模型可用于表示更复杂的对象。我们提出了计算效率高的两阶段方法，我们称之为深度变形，通过将表示拟合到深度分割网络的输出来实现这两种表示。
2018-11-19 cs.CV cs.LG stat.ML
Fast Geometrically-Perturbed Adversarial Faces
West Virginia University（西弗吉尼亚大学）
深度学习算法的最新性能使得机器学习在安全敏感和关键应用中的利用率大幅提高。然而，最近的研究表明，输入空间中一个小而精心制作的扰动可以完全欺骗深度模型。在这项研究中，我们探讨了人脸识别系统在多大程度上容易受到几何扰动的敌对面孔。我们提出了一种快速的地标操作方法来生成对抗性的人脸，这是大约200倍的速度比以前的几何攻击，并获得99.86%的成功率在国家的最先进的人脸识别模型。为了进一步使生成的样本更自然，我们引入了第二次攻击，该攻击限制在人脸的语义结构上，其速度只有第一次攻击的一半，成功率为99.96%。这两种攻击对最先进的防御方法都非常强大，成功率等于或大于53.59%。代码可在https://github.com/alldbi/FLM上获得
2018-09-28 cs.CR cs.CV cs.LG
Time-Delay Momentum: A Regularization Perspective on the Convergence and Generalization of Stochastic Momentum for Deep Learning
本文从正则化的角度研究了随机动量在深度学习中的收敛性和泛化误差界问题。为此，我们首先将动量解释为求解$\ell_2$正则化最小化问题，以学习任意两个连续模型参数之间的偏移。我们称之为{ \em时间延迟动量}，因为模型参数在几次迭代后会更新，以找到最小值。然后，我们提出了我们的学习算法，\ie随机梯度下降（SGD）的时间延迟动量。我们表明，我们的算法可以解释为解决一系列强凸优化问题，使用SGD。我们证明了在较弱的条件下，该算法能够以至少$1-δ$的概率收敛到一个稳定点，收敛速度为$O(\frac{1}{\sqrt{K}})$，泛化误差界为$O(\frac{1}{\sqrt{nδ}})$，其中$K,n$分别为模型更新和训练样本的个数.我们证明了我们的算法在深度学习与最先进的深度学习求解器相比的经验优势。
2019-06-01 cs.CV cs.LG stat.ML
A deep learning perspective on Rubens' attribution
University of Barcelona（巴塞罗那大学）；Art Discovery（艺术发现公司）
本文通过深度学习方法研究鲁本斯及其工作室的绘画归属问题，利用卷积神经网络识别风格特征，提升艺术作品认证的准确性。
2025-11-27 cs.CV
A Bayesian Perspective on the Deep Image Prior
University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校）
深度图像先验最近被引入作为自然图像的先验。它将图像表示为具有随机输入的卷积网络的输出。对于“推断”，执行梯度下降来调整网络参数，以使输出与观测值匹配。这种方法在一系列图像重建任务上产生良好的性能。我们证明了当网络每层的通道数趋于无穷大时，深度图像先验在极限下渐近等价于平稳高斯过程先验，并推导出相应的核。这为贝叶斯推理方法提供了信息。我们表明，通过使用随机梯度Langevin进行后验推理，我们避免了需要提前停止，这是当前方法的一个缺点，并改善了去噪和修复任务的结果。我们说明了这些直觉上的一些1D和2D信号重建任务。
2019-04-16 cs.CV cs.LG stat.ML
Deep Image Synthesis from Intuitive User Input: A Review and Perspectives
The Pennsylvania State University（宾夕法尼亚州立大学）；Tsinghua University（清华大学）；Google Brain（谷歌大脑）；Facebook（脸书）
在计算机图形、艺术和设计的许多应用中，希望用户提供直观的非图像输入，诸如文本、草图、笔划、图形或布局，并且使计算机系统自动生成附着于输入内容的照片般真实的图像。虽然允许这种自动图像内容生成的经典作品遵循图像检索和合成的框架，但深度生成模型（如生成对抗网络（GANs），变分自编码器（VAE）和基于流的方法）的最新进展已经实现了更强大和通用的图像生成任务。本文回顾了最近的作品图像合成直观的用户输入，包括输入的多功能性，图像生成方法，基准数据集和评估指标的进展。这激发了对输入表示和交互性的新观点，主要图像生成范式之间的交叉授粉，以及生成方法的评估和比较。
2021-09-30 cs.CV cs.GR cs.LG
A Primer on Motion Capture with Deep Learning: Principles, Pitfalls and Perspectives
Swiss Federal Institute of Technology (EPFL)（瑞士联邦理工学院（EPFL））；The Rowland Institute at Harvard, Harvard University（哈佛大学哈佛罗兰研究所）；University of Tübingen（图宾根大学）；International Max Planck Research School for Intelligent Systems（国际马克斯·普朗克智能系统研究学院）
非侵入性地从视频中提取行为测量是一个困难的计算问题。深度学习的最新进展极大地促进了直接从视频中预测姿势，这迅速影响了神经科学和生物学。在这篇入门文章中，我们回顾了使用深度学习进行运动捕捉的新兴领域。特别是，我们将讨论这些新算法的原理，强调它们的潜力以及实验主义者的陷阱，并提供对未来的一瞥。
2020-09-02 cs.CV cs.LG q-bio.NC
Deep Q Learning Driven CT Pancreas Segmentation with Geometry-Aware U-Net
Zhejiang University（浙江大学）
胰腺分割是医学图像分析的重要内容，但它面临着类别不平衡、背景干扰和非刚性几何特征的巨大挑战。为了解决这些困难，我们引入了一种深度Q网络（DQN）驱动的方法，通过与上下文信息显式交互来精确地分割胰腺，并从胰腺中提取各向异性特征。基于DQN的模型学习上下文自适应定位策略以产生胰腺的视觉上收紧且精确的定位限界框。此外，可变形的U-网捕捉胰腺的几何感知信息，通过学习几何变形滤波器的特征提取。在NIH数据集上的实验验证了该框架在胰腺分割中的有效性。
2019-04-19 cs.AI cs.CV
A Geometrical Approach to Evaluate the Adversarial Robustness of Deep Neural Networks
Dalian University of Technology（大连理工大学）；Princeton University（普林斯顿大学）；City University of Hong Kong（香港城市大学）；Northwestern Polytechnical University（西北工业大学）；University of California, Santa Barbara（加州大学圣巴巴拉分校）
提出一种基于几何的对抗鲁棒性指标ACTS，通过测量收敛到对抗样本的时间来评估DNN鲁棒性，在ImageNet上优于CLEVER指标。
2023-10-10 cs.CV
Deep Learning Perspective of Scene Understanding in Autonomous Robots
National Textile University（国立纺织大学）
本文从深度学习角度综述了自主机器人场景理解中的关键技术，包括目标检测、语义分割、深度估计等，探讨了其在动态环境中的应用与挑战。
2025-12-16 cs.CV
Recent Advances in Monocular 2D and 3D Human Pose Estimation: A Deep Learning Perspective
JD AI Research, JD.com（京东人工智能研究院，京东）
从单目摄像机中估计人体姿态是计算机视觉界的一个新兴研究课题，具有许多应用。近年来，得益于深度学习技术的发展，大量的研究工作极大地推进了单目人体姿态估计在2D和3D领域的应用。虽然已经有一些工作来总结不同的方法，它仍然是具有挑战性的研究人员有一个深入的了解这些方法是如何工作的。在本文中，我们提供了一个全面和整体的2D到3D的角度来解决这个问题。我们将自2014年以来的主流方法和里程碑方法归类为统一框架。通过系统地总结这些方法之间的差异和联系，我们进一步分析了具有挑战性的案例的解决方案，例如缺乏数据，2D和3D之间的固有模糊性以及复杂的多人场景。我们还总结了姿势表示风格，基准，评估指标，和流行的方法的定量性能。最后，我们讨论了面临的挑战，并对未来的研究方向进行了深入的思考。我们相信，这项调查将为读者提供一个深刻的和有见地的理解单目人体姿态估计。
2021-04-23 cs.CV
Deep Learning Methods For Synthetic Aperture Radar Image Despeckling: An Overview Of Trends And Perspectives
合成孔径雷达（SAR）图像受相干斑噪声的影响，相干斑噪声具有空间相关性，并且与信号相关，严重影响了图像的利用。去斑是一项重要的任务，其目的在于去除这种噪声，以便提高所有下游图像处理任务的精度。第一个去斑方法可以追溯到20世纪70年代，并在随后的几年中开发了几种基于模型的算法。该领域受到了越来越多的关注，强大的深度学习模型的可用性使其在图像处理中的逆问题方面表现出色。本文综述了应用于SAR降斑的深度学习方法的文献，涵盖了监督和最近的自监督方法。我们对现有方法进行了批判性分析，目的是识别最有前途的研究路线，确定限制深度模型成功的因素，并提出前进的方向，以充分利用深度学习在SAR降斑方面的潜力。
2021-05-02 cs.CV eess.IV
