实体
Bin Yang
Bin Yang
PulseAugur coverage of Bin Yang — every cluster mentioning Bin Yang across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
PointINS框架通过实例感知学习推进3D场景理解
研究人员开发了PointINS，一个新颖的自监督学习框架，旨在增强从点云理解3D场景的能力。该框架旨在弥合语义感知和实例定位之间的差距，这对于开发全面的3D Foundation Models至关重要。PointINS包含一个正交偏移分支和两种正则化策略，偏移分布正则化（ODR）和空间聚类正则化（SCR），以联合学习语义理解和几何推理。实验表明，在多个数据集的实例分割和全景分割任务上取得了显著的改进。
-
新的DGCPath框架增强了自监督路径表示学习
研究人员推出了一种新颖的自监督路径表示学习框架DGCPath，旨在提高跨不同场景的泛化能力。该方法结合了生成建模和分布对比学习，利用基于扩散的生成器创建多样化的轨迹视图，并使用变分对比机制进行分布级特征对齐。该框架还包括一个生成式交叉监督模块，通过重建学习来增强视图级一致性。在真实轨迹数据集上的评估表明，DGCPath在下游任务上的表现优于现有方法。
-
SEER框架处理噪声、缺失和偏移的时间序列数据
研究人员推出SEER，一个基于Transformer的框架，旨在增强时间序列预测的鲁棒性。SEER通过采用自动化的补丁增强和替换策略，解决了噪声、异常、缺失值和分布偏移等常见数据质量问题。这种方法允许对各种低质量时间序列数据进行统一建模，旨在提高在数据不完美现实工业应用中的预测准确性和稳定性。