CasTex: Cascaded Text-to-Texture Synthesis via Explicit Texture Maps and Physically-Based Shading
HSE University(俄罗斯莫斯科高等经济大学);Yandex Research(Yandex研究)
CasTex通过级联扩散模型实现文本到纹理合成,采用显式纹理参数化提升生成质量,优于现有优化方法。
2026-01-13 cs.CV
RA-CFGCache: From Branch-Level Criteria to Guided-Risk Control under Classifier-Free Guidance
Tsinghua University(清华大学);BNRist(北京国家研究中心)
针对扩散模型无分类器引导下缓存重用误差控制问题,提出RA-CFGCache风险对齐缓存框架,通过CFG感知组合与传播感知重缩放,在多种模型上提升效率-保真度权衡。
2026-09-30 cs.CV
Rethinking What to Cache in Few-Step Diffusion Transformers: Solver-Aware Target Selection
针对少步扩散Transformer缓存目标选择问题,提出AutoTarget方法,通过测量候选张量重用误差选择最优缓存,减少计算开销并保持生成质量。
2026-10-05 cs.AI cs.CV
Constrained Sampling for Class-Agnostic Weakly Supervised Object Localization
ÉTS(高等工程技术学院);Ericsson(爱立信)
自监督视觉Transformer可以生成图像中对象的精确定位图。然而,由于它们将场景分解为包含各种对象的多个地图,并且它们不依赖于任何显式的监督信号,因此它们无法区分感兴趣的对象与其他对象,如弱监督对象定位(WSOL)所需。为了解决这个问题,我们建议利用由不同的Transformer头生成的多个映射来获取伪标签以训练WSOL模型。特别地,引入了一种新的判别建议采样方法,该方法依赖于预训练的CNN分类器来识别判别区域。然后,从这些区域中采样前景和背景像素,以便训练WSOL模型,用于生成激活图,该激活图可以准确地定位属于特定类别的对象。在具有挑战性的CUB基准数据集上的实证结果表明,我们提出的方法可以在很宽的阈值范围内优于最先进的方法。我们的方法提供了类激活地图与更好的覆盖前景对象区域w.r.t.后台
2022-09-09 cs.CV
Decoupled MeanFlow: Turning Flow Models into Flow Maps for Accelerated Sampling
KAIST(韩国科学技术院)
针对流模型采样步骤多的问题,提出Decoupled MeanFlow策略,无需修改架构即可将预训练流模型转化为流图,结合增强训练实现1-4步高质量生成,在ImageNet上FID表现远超现有技术,4步推理速度提升超100倍。
2025-10-28 cs.CV
Discriminative Sampling of Proposals in Self-Supervised Transformers for Weakly Supervised Object Localization
ETS Montreal(蒙特利尔高等技术学院);Ericsson(爱立信)
无人机被用于越来越多的视觉识别应用。手机信号塔检查的最新发展是基于无人机的资产监视,其中无人机的自主飞行通过定位连续空中图像中的感兴趣对象来引导。在本文中,我们提出了一种训练深度弱监督对象定位(WSOL)模型的方法,仅基于图像类标签来定位具有高置信度的对象。为了训练我们的定位器,伪标签是有效地从一个自我监督的视觉Transformer(SST)收获。然而,由于SST将场景分解为包含各种对象部分的多个地图,并且不依赖于任何显式的监督信号,因此它们不能区分感兴趣的对象和其他对象,如WSOL所要求的。为了解决这个问题,我们建议利用不同的Transformer头生成的多个映射来获取伪标签,以训练深度WSOL模型。特别地,引入了一种新的判别建议采样(DiPS)方法,该方法依赖于CNN分类器来识别判别区域。然后,从这些区域中采样前景和背景像素,以便训练WSOL模型,用于生成激活图,该激活图可以准确地定位属于特定类别的对象。在具有挑战性的TelDrone数据集上的实证结果表明,我们提出的方法可以在生成的地图上的广泛阈值范围内优于最先进的方法。我们还计算了CUB数据集上的结果,表明我们的方法可以适用于其他任务。
2022-11-20 cs.CV
DIMAL: Deep Isometric Manifold Learning Using Sparse Geodesic Sampling
Technion - Israel Institute Of Technology(以色列理工学院)
本文探索了一种完全无监督的深度学习方法,用于计算距离保持映射,为某类流形生成低维嵌入。我们使用暹罗配置训练一个神经网络,以解决最小二乘多维缩放的问题,生成地图,近似保持测地距离。通过仅使用几个地标进行训练,与类似的非参数对应物相比,我们显示了等距映射的显着改进的局部和非局部泛化。重要的是,深度学习框架与多维缩放目标的结合使网络架构的数值分析能够帮助理解其表示能力。这为深度学习的普遍性提供了几何视角。
2018-11-13 cs.CV
Hashed Binary Search Sampling for Convolutional Network Training with Large Overhead Image Patches
Oak Ridge National Laboratory(橡树岭国家实验室)
与地面实况地图相关联的非常大的开销图像具有为机器学习算法生成数十亿个训练图像块的潜力。然而,随机采样选择标准往往会导致冗余和噪声图像补丁的模型训练。由于这一挑战背后的研究工作很少,目前的状况意味着错过了开发监督学习算法的机会,这些算法可以在广泛的地理场景中推广。此外,大规模机器学习的大部分计算周期都花费在处理噪声和冗余图像块上。我们展示了一个潜在的框架,以解决这些挑战,同时评估人类住区检测任务。一种新的二叉搜索树采样方案融合了基于核的散列过程,使用从图像内容生成的二进制代码将图像补丁映射到散列桶中。该框架利用数十亿图像块中的固有冗余来提升大多数高方差保持样本,以加速算法训练和提高模型泛化能力。
2017-07-18 cs.CV
Two-Stage Monte Carlo Denoising with Adaptive Sampling and Kernel Pool
The University of Sydney(悉尼大学);Tencent AI Lab(腾讯AI实验室)
蒙特卡罗路径跟踪器在低采样计数下呈现噪声图像序列。虽然在对这些序列进行去噪方面已经取得了很大的进展,但是现有的方法仍然受到空间和临时伪影的影响。本文针对蒙特卡罗渲染中存在的问题,提出了一种基于自适应采样策略的两级去噪算法。在第一阶段中,在动态调整每像素采样数(spp)的同时,我们重用计算来生成应用于自适应渲染图像的额外去噪内核。而不是直接预测的像素级内核,我们节省了开销的复杂性,从一个公共的内核池,可以动态更新,以适应输入信号的内核插值。在第二阶段,我们设计了位置感知池和语义对齐操作,以提高时空稳定性。我们的方法首先在Mitsuba渲染器渲染的10个合成场景上进行基准测试,然后在我们自建的基于RTX的渲染器渲染的3个额外场景上进行验证。我们的方法在数值误差和视觉质量方面都优于最先进的同行。
2021-03-30 cs.CV cs.GR
Depth Reconstruction from Sparse Samples: Representation, Algorithm, and Sampling
University of California at San Diego(加州大学圣迭戈分校);Purdue University(普渡大学)
三维技术和计算机视觉应用的快速发展,推动了深度获取和估计方法的发展。然而,现有的大多数硬件和软件方法由于深度精度差、分辨率低和计算成本高而性能有限。在本文中,我们提出了一种计算效率高的方法来恢复密集的深度图从稀疏的测量。我们做了三个贡献。首先,我们提供的经验证据表明,深度图可以编码更稀疏比自然图像使用常见的字典,如小波和contourlet。我们还表明,一个组合的小波-轮廓波字典实现更好的性能比单独使用字典。其次,我们提出了交替方向的乘法器(ADMM),以实现快速重建。提出了一种多尺度温启动方法,以加快收敛速度。第三,我们提出了一个两阶段的随机抽样方案,以最佳选择的采样位置,从而最大限度地提高重建性能,为任何给定的采样预算。实验结果表明,该方法产生高质量的密集深度估计,并对噪声测量具有鲁棒性。在立体匹配的实际数据的应用程序进行了演示。
2015-02-12 cs.CV
DepthTransfer: Depth Extraction from Video Using Non-parametric Sampling
University of Illinois(伊利诺伊大学);Microsoft Research New England(微软新英格兰研究院);Microsoft Research(微软研究院)
我们描述了一种使用非参数深度采样从视频自动生成合理深度图的技术。我们展示了我们的技术在过去的方法失败的情况下(非平移相机和动态场景)。我们的技术适用于单个图像以及视频。对于视频,我们使用局部运动线索来改善推断的深度图,而光流用于确保时间深度一致性。对于训练和评估,我们使用基于Kinect的系统来收集包含具有已知深度的立体视频的大型数据集。我们表明,我们的深度估计技术优于国家的最先进的基准数据库。我们的技术可用于自动将单视场视频转换为立体声3D可视化,我们通过各种室内和室外场景的视觉效果,包括故事片Charade的结果来证明这一点。
2019-12-24 cs.CV
DiPS: Discriminative Pseudo-Label Sampling with Self-Supervised Transformers for Weakly Supervised Object Localization
ETS Montreal(蒙特利尔高等技术学院);Ericsson(爱立信)
本文提出DiPS方法,利用自监督Transformer生成类无关注意力图,通过预训练分类器选取判别性候选区域作为伪标签,训练新型Transformer模型同时优化分类与定位,在多个数据集上优于现有弱监督目标定位方法。
2023-10-19 cs.CV
SPSN: Superpixel Prototype Sampling Network for RGB-D Salient Object Detection
Yonsei University(延世大学)
RGB-D显著目标检测(SOD)是视觉系统中重要的预处理操作,近年来受到广泛关注。然而,尽管基于深度学习的方法取得了进展,但由于RGB图像与深度图之间的大域间隙以及低质量深度图,RGB-D SOD仍然具有挑战性。为了解决这个问题,我们提出了一种新的超像素原型采样网络(SPSN)架构。该模型将输入的RGB图像和深度图分割成组件超像素,以生成组件原型。我们设计了一个原型采样网络,使得网络只对与显著对象相对应的原型进行采样。此外,我们提出了一个可靠性选择模块来识别每个RGB和深度特征图的质量,并根据其可靠性自适应地对其进行加权。该方法使模型对RGB图像和深度图之间的不一致具有鲁棒性,并消除了非显著对象的影响。我们的方法在五个流行的数据集上进行了评估,达到了最先进的性能。通过对比实验证明了该方法的有效性。
2022-07-16 cs.CV
Revisiting Compactness for District Plans
本文针对选区地图紧凑性评估与抽样问题,提出基于形状得分的人口加权版本,并改进 ReCom 方法以生成形状紧凑性更优的地图集合。
2025-01-04 cs.CV physics.soc-ph
Depth Extraction from Video Using Non-parametric Sampling
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Microsoft Research New England(微软新英格兰研究院);Microsoft Research(微软研究院)
我们描述了一种使用非参数深度采样从视频自动生成合理深度图的技术。我们展示了我们的技术在过去的方法失败的情况下(非平移相机和动态场景)。我们的技术适用于单个图像以及视频。对于视频,我们使用局部运动线索来改善推断的深度图,而光流用于确保时间深度一致性。对于训练和评估,我们使用基于Kinect的系统来收集包含具有已知深度的立体视频的大型数据集。我们表明,我们的深度估计技术优于国家的最先进的基准数据库。我们的技术可用于自动将单视场视频转换为立体声3D可视化,我们通过各种室内和室外场景的视觉效果,包括故事片Charade的结果来证明这一点。
2019-12-24 cs.CV
DeepSphere: Efficient spherical Convolutional Neural Network with HEALPix sampling for cosmological applications
Swiss Data Science Center (SDSC)(瑞士数据科学中心);EPFL(洛桑联邦理工学院);ETH Zurich(苏黎世联邦理工学院)
卷积神经网络(CNN)是深度学习工具箱的基石,并导致了人工智能的许多突破。这些网络大多是为常规的欧几里德域开发的,例如支持图像,音频或视频的域。由于它们的成功,基于CNN的方法在宇宙学中越来越受欢迎。宇宙学数据通常以球形映射的形式出现,这使得传统CNN的使用更加复杂。球面地图常用的像素化方案是分层等面积等纬度像素化(HEALPix)。我们提出了一个球形CNN,用于分析完整和部分HEALPix映射,我们称之为DeepSphere。球形CNN通过将球体表示为图来构造。图是通用的数据结构,可以作为连续流形的离散表示。使用基于图形的表示,我们定义了许多标准的CNN操作,如卷积和池化。由于过滤器被限制为径向的,我们的卷积与球体上的旋转等变,而DeepSphere可以保持不变或与旋转等变。这样,DeepSphere就是图CNN的一个特例,它是为球体的HEALPix采样量身定制的。这种方法在计算上比使用球面谐波执行卷积更有效。我们证明了弱透镜质量映射从两个宇宙学模型的分类问题的方法,并比较性能的CNN与两个基线分类。结果表明,DeepSphere的性能始终优于或等于这两个基线。对于高噪声水平和仅覆盖球体一小部分的数据,DeepSphere的分类精度通常比这些基线高10%。最后,我们展示了如何将学习的过滤器可视化以反思神经网络。
2019-03-26 astro-ph.CO astro-ph.IM cs.AI