Wasserstein barycenters over Riemannian manifolds
PulseAugur coverage of Wasserstein barycenters over Riemannian manifolds — every cluster mentioning Wasserstein barycenters over Riemannian manifolds across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的OTLesMix方法生成多样化的合成脑部病变，以改进AI分割
研究人员开发了一种名为OTLesMix的新方法来生成合成医学图像，特别侧重于脑部病变。该技术利用Wasserstein质心和最优传输图来创建多样化的病变形状和位置，解决了现有数据增强方法的一个关键限制。在三个脑部病变分割任务中应用OTLesMix后，与不使用合成数据训练相比，Dice分数显著提高了2.9至6.6分，并且优于其他基于混合的合成技术。
-
新的去中心化框架支持私有域自适应
研究人员开发了 DeFed-GMM-DaDiL，一个用于域自适应的新型去中心化联邦框架。该方法能够在没有中央服务器的情况下，将知识从多个不同的源域迁移到一个无标签的目标域，从而保护客户端隐私。该框架在每个客户端使用高斯混合模型 (GMM)，并通过联邦学习联合逼近这些模型，使用共享的、可学习的 GMM 原子核的 Wasserstein 重心。实证研究表明，DeFed-GMM-DaDiL 能有效处理目标域中的缺失类别，并在自适应基准测试中…
-
VAE-Inf 框架将生成学习与假设检验相结合，用于不平衡分类
研究人员推出 VAE-Inf，这是一个新颖的两阶段框架，旨在解决机器学习中长期存在的不平衡分类挑战。该方法将深度表示学习与统计上可解释的假设检验相结合。第一阶段在多数类数据上训练变分自编码器，以建立参考分布，然后用它来构建全局高斯参考模型。第二阶段使用有限的少数样本微调编码器，创建一个判别式分类器，该分类器在不要求严格参数假设的情况下，对第一类错误提供精确控制。