IEEE TPAMI

Crafting Your Evolving Dreams: Concept-Incremental Versatile Customization

打造你不断演变的梦想：概念增量式多功能定制

Jiahua Dong, Wenqi Liang, Hongliu Li, Yang Cong, Duzhen Zhang, Hanbin Zhao, Henghui Ding, Yulun Zhang, Salman Khan, Fahad Shahbaz Khan

机构 * Mohamed bin Zayed University of Artificial Intelligence（Mohamed bin Zayed大学人工智能学院） ； University of Trento（特伦托大学） ； Department of Civil and Environmental Engineering, The Hong Kong Polytechnic University（香港理工大学土木与环境工程系） ； South China University of Technology（华南理工大学） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Institute of Big Data, Fudan University（复旦大学大数据研究院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 提出持续可定制扩散模型（CCDM），通过属性解耦LoRA模块和相关性引导聚合策略解决灾难性遗忘，并结合可控区域上下文合成策略处理概念忽视，实现概念增量式多功能定制。

Comments Accepted to Transactions on Pattern Analysis and Machine Intelligence (TPAMI)

Scalar Quantization as Sparse Least Square Optimization

标量量化作为稀疏最小二乘优化

Chen Wang, Xiaomei Yang, Shaomin Fei, Kai Zhou, Xiaofeng Gong, Miao Du, Ruisen Luo

机构 * College of Electrical Engineering, Sichuan University（四川大学电气工程学院） ； Department of Computer Science, Rutgers University -- New Brunswick（罗格斯大学新布朗斯维广场分校计算机科学系） ； Engineering Practice Center, Chengdu University of Information Technology（成都信息科技大学工程实践中心） 纠错

AI总结 本文提出了一种基于稀疏最小二乘优化的新方法，用于解决标量量化中的问题，通过引入l1、l1+l2和l0正则化，改进了传统聚类方法的不足，提升了在位宽缩减场景下的性能。

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 2019

L0TV: A Sparse Optimization Method for Impulse Noise Image Restoration

L0TV：一种用于脉冲噪声图像恢复的稀疏优化方法

Ganzhao Yuan, Bernard Ghanem

AI总结 本文提出了一种新的稀疏优化方法L0TV-PADMM，用于在图像恢复中去除脉冲噪声，通过使用ℓ0范数数据保真度和PADMM算法解决非凸非光滑优化问题，实验表明其优于现有方法。

Comments to appear in IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)

A Fast Frequent Directions Algorithm for Low Rank Approximation

一种用于低秩近似快速频繁方向算法

Dan Teng, Delin Chu

AI总结 本文提出了一种快速频繁方向算法，通过将稀疏子空间嵌入（SpEmb）随机算法植入频繁方向（FD）中，以提高低秩近似问题的计算效率，并在合成和真实数据集上验证了其有效性。

Comments IEEE Transactions on Pattern Analysis and Machine Intelligence

Gaussian Processes for Data-Efficient Learning in Robotics and Control

高斯过程在机器人和控制中的数据高效学习

Marc Peter Deisenroth, Dieter Fox, Carl Edward Rasmussen

AI总结 本文提出基于高斯过程的非参数转移模型，通过提取更多数据信息加速学习，减少模型误差影响，实现高效自主学习。

Comments 20 pages, 29 figures; fixed a typo in equation on page 8

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 37, issue no 2, pages 408-423, February 2015

A Bayesian Approach to Policy Recognition and State Representation Learning

基于贝叶斯方法的策略识别与状态表示学习

Adrian Šošić, Abdelhak M. Zoubir, Heinz Koeppl

AI总结 本文提出一种贝叶斯方法，用于在不假设专家行为最优的情况下，学习任意随机专家策略，并推断专家使用的状态表示复杂度及任务相关的状态空间划分。

Comments 17 pages, 8 figures; ### Version 4 ### to appear in IEEE Transactions on Pattern Analysis and Machine Intelligence