Jia Li
PulseAugur coverage of Jia Li — every cluster mentioning Jia Li across labs, papers, and developer communities, ranked by signal.
-
新框架增强面部动作和表情的双向学习
研究人员开发了一个名为结构化语义映射（SSM）的新框架，以改进面部动作单元（AUs）和面部表情（FEs）之间的双向学习。该框架解决了异构数据集带来的挑战，这些数据集在标注方法、标签粒度和数据可用性方面常常存在差异。SSM利用了一个共享的视觉骨干网络、一个用于在语义空间中进行跨任务对齐的文本语义原型（TSP）模块，以及一个用于自适应迁移知识的动态先验映射（DPM）模块。实验表明，SSM的性能优于现有方法，证明了在不同数据集上使用整体表情…
-
新的I3DM方法通过隐式3D感知增强视频场景一致性
研究人员推出了一种新的I3DM方法，通过隐式理解3D空间而不进行显式重建来生成一致的视频场景。该方法利用预训练的前馈新视角合成模型来检索相关的历史帧，即使在遮挡的情况下也是如此。然后，一个3D对齐的记忆注入模块对生成进行扭曲和条件化，使其依赖于可靠的区域，从而提高重访一致性和相机控制。
-
新方法利用Wasserstein度量增强分布数据的分类
研究人员开发了一种新颖的方法，用于对表示为分布而非单个点的数据实例进行分类。该方法利用Wasserstein度量，并引入了一种基于最大化Fisher比的降维技术。该方法通过迭代优化传输和最大化步骤，展示了更高的分类准确性，并优于使用分布数据向量表示的现有算法。
-
新的LITT架构对齐临床事件时间以实现精准医疗
研究人员开发了一种名为LITT（Individual-Level Time Transformation，个体层面时间转换）的新架构，以更好地分析临床时间序列数据。该模型解决了当前AI（如Transformer）的局限性，这些模型常常忽略事件时间这一关键方面。LITT创建了一个虚拟的“相对时间线”来关注事件发生的时间，从而能够对患者轨迹进行更个性化的解读。其有效性在预测乳腺癌患者的心脏毒性方面得到了证明，其表现优于现有的生存分析方法。