IEEE TPAMI

Decomposition for Bayesian Networks: Local and Parallel Inference

贝叶斯网络的分解：局部与并行推理

Pei Heng, Xinyi Hu, Yi Sun

机构 * School of Mathematics and Statistics and KLAS, Northeast Normal University（数学与统计学学院及KLAS，东北师范大学） ； College of Mathematics and System Sciences, Xinjiang University（数学与系统科学学院，新疆大学） ； Institute of Statistics and Data Science, Xinjiang University of Finance and Economics（统计与数据科学学院，新疆财经大学） 纠错

AI总结 针对高维贝叶斯网络精确推理复杂度随规模指数增长的问题，提出基于有向凸子图的分解框架与最小d-分解树，实现并行推理，效率优于连接树法且保留推理精度。

Comments 13 pages, 5 figures,Code available at https://github.com/Balance-H/Decomposition-for-BNs

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 2026

FAIR-Pruner: A Flexible Framework for Automatic Layer-Wise Pruning via Tolerance of Difference

FAIR-Pruner: 一种通过差异容忍性实现自动分层剪枝的灵活框架

Chenqing Lin, Mostafa Hussien, Chengyao Yu, Bingyi Jing, Ruixing Ming, Kim Khoa Nguyen, Mohamed Cheriet

机构 * School of Statistics and Mathematics, Zhejiang Gongshang University（浙江工商大学统计与数学学院） ； École de technologie supérieure (ÉTS), Université du Québec（魁北克大学埃克森技术学院） ； Southern University of Science and Technology（南方科技大学） 纠错

AI总结 本文提出FAIR-Pruner，一种无需搜索的自适应分层结构化剪枝框架，通过引入差异容忍度（ToD）来实现非均匀的分层剪枝深度，从而在多个数据集和模型上实现了良好的准确率-压缩率权衡。

Comments Submitted to IEEE Transactions on Pattern Analysis and Machine Intelligence

EPMF: Efficient Perception-aware Multi-sensor Fusion for 3D Semantic Segmentation

EPMF: 高效感知感知多传感器融合用于3D语义分割

Mingkui Tan, Zhuangwei Zhuang, Sitao Chen, Rong Li, Kui Jia, Qicheng Wang, Yuanqing Li

机构 * School of Software Engineering, South China University of Technology（南方科技大学软件工程学院） ； Pazhou Laboratory, Guangzhou, China（广州帕佐实验室） ； School of Electronic and Information Engineering, South China University of Technology（南方科技大学电子与信息工程学院） ； Minieye, Shenzhen, Guangdong, China（深圳Minieye公司） 纠错

AI总结 提出一种高效感知多传感器融合方法EPMF，通过透视投影对齐点云与RGB图像，利用残差融合模块和感知损失提升3D语义分割性能，在nuScenes上mIoU超越RangeFormer 0.9%。

Comments 16 pages, 12 figures, 14 tables, IEEE TPAMI 2024, extended version of the ICCV2021 paper