...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Transactions on Pattern Analysis and Machine Intelligence >Visual Permutation Learning
【24h】

Visual Permutation Learning

机译：视觉排列学习

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

. The goal of this task is to find the permutation that recovers the structure of data from shuffled versions of it. In the case of natural images, this task boils down to recovering the original image from patches shuffled by an unknown permutation matrix. Permutation matrices are discrete, thereby posing difficulties for gradient-based optimization methods. To this end, we resort to a continuous approximation using doubly-stochastic matrices and formulate a novel bi-level optimization problem on such matrices that learns to recover the permutation. Unfortunately, such a scheme leads to expensive gradient computations. We circumvent this issue by further proposing a computationally cheap scheme for generating doubly stochastic matrices based on Sinkhorn iterations. To implement our approach we propose
机译：。这项任务的目标是找到一种可从混排后的版本中恢复数据结构的排列。在自然图像的情况下，此任务归结为从未知排列矩阵打乱的补丁中恢复原始图像。置换矩阵是离散的，从而给基于梯度的优化方法带来了困难。为此，我们求助于使用双随机矩阵的连续逼近，并在此类矩阵上制定了一种新颖的双层优化问题，以学习恢复排列。不幸的是，这种方案导致昂贵的梯度计算。我们通过进一步提出一种基于计算的廉价方案来基于Sinkhorn迭代生成双重随机矩阵来规避此问题。为了实施我们的方法，我们建议

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号