中文版 | English

在结果中检索

CASIA OpenIR

浏览/检索结果: 共7条，第1-7条 帮助

限定条件                    
已选(0)清除 条数/页：   排序方式：
Fully Data-Driven Pseudo Label Estimation for Pointly-Supervised Panoptic Segmentation 会议论文
, Vancouver, 2024.2.22-2024.2.25
作者:  Li, Jing;  Fan, Junsong;  Yang, Yuran;  Mei, Shuqi;  Xiao, Jun;  Zhang, Zhaoxiang
Adobe PDF(2720Kb)  |  收藏  |  浏览/下载：11/4  |  提交时间：2024/07/24
Panoptic Segmentation  Pointly-Supervised  Pseudo Label Estimation  Data-Driven  
Learning Dense Correspondence for NeRF-Based Face Reenactment 会议论文
, 加拿大渥太华, 2024年2月20日至27日
作者:  Songlin Yang;  Wei Wang;  Yushi Lan;  Xiangyu Fan;  Bo Peng;  Lei Yang;  Jing Dong
Adobe PDF(2179Kb)  |  收藏  |  浏览/下载：57/20  |  提交时间：2024/06/21
tt  
Learnable Graph Matching: A Practical Paradigm for Data Association 期刊论文
IEEE Transactions on Pattern Analysis and Machine Intelligence, 2024, 卷号: 46, 期号: 7, 页码: 4880-4895
作者:  He, Jiawei;  Huang, Zehao;  Wang, Naiyan;  Zhang, Zhaoxiang
Adobe PDF(3520Kb)  |  收藏  |  浏览/下载：41/9  |  提交时间：2024/06/18
Graph matching  data association  multiple object tracking  image matching  
非受限场景下文本到图像的生成方法研究 学位论文
, 2024
作者:  孙建新
Adobe PDF(32226Kb)  |  收藏  |  浏览/下载：52/3  |  提交时间：2024/06/04
生成式对抗网络，扩散模型，文本到图像生成，人脸图像编辑  
r-FACE: Reference Guided Face Component Editing 期刊论文
Pattern Recognition, 2024, 卷号: 152, 页码: 110425
作者:  Deng, QIyao;  Cao, Jie;  Liu, Yunfan;  Li, Qi;  Sun, Zhenan
Adobe PDF(3636Kb)  |  收藏  |  浏览/下载：40/8  |  提交时间：2024/06/03
DRAN: Detailed Region-Adaptive Normalization for Conditional Image Synthesis 期刊论文
IEEE Transactions on Multimedia, 2024, 页码: 14
作者:  Yueming Lyu;  Peibin Chen;  Jingna Sun;  Bo Peng;  Xu Wang;  Jing Dong
Adobe PDF(20492Kb)  |  收藏  |  浏览/下载：38/7  |  提交时间：2024/05/28
Corporate Credit Ratings Based on Hierarchical Heterogeneous Graph Neural Networks 期刊论文
Machine Intelligence Research, 2024, 卷号: 21, 期号: 2, 页码: 257-271
作者:  Bo-Jing Feng;  Xi Cheng;  Hao-Nan Xu;  Wen-Fang Xue
Adobe PDF(2621Kb)  |  收藏  |  浏览/下载：77/19  |  提交时间：2024/04/23
Corporate credit rating, hierarchical relation, heterogeneous graph neural networks, adversarial learning