用于图像和数据标记及学习结构化预测的西格玛流
本文提出了西格玛流模型,用于对黎曼流形上的数据进行结构化标记预测。通过引入时间变化参数化映射,西格玛流展示了其作为非线性几何偏微分方程的有效性,并在实验中显示出其表达能力和预测性能。这一工作为深度学习中的结构化预测提供了新的几何设计原则。
原文中文,约300字,阅读约需1分钟。
本文提出了西格玛流模型,用于对黎曼流形上的数据进行结构化标记预测。通过引入时间变化参数化映射,西格玛流展示了其作为非线性几何偏微分方程的有效性,并在实验中显示出其表达能力和预测性能。这一工作为深度学习中的结构化预测提供了新的几何设计原则。