-
题名基于扩散概率模型的去噪预测网络预测人体运动
- 1
-
-
作者
王婷玉
谢文军
王冬
李琳
刘晓平
-
机构
合肥工业大学计算机与信息学院
合肥工业大学软件学院
合肥工业大学工业安全与应急技术安徽省重点实验室
-
出处
《小型微型计算机系统》
北大核心
2025年第4期883-891,共9页
-
基金
国家自然科学基金面上项目(62277014)资助
安徽省重点研究与开发计划项目(2022f04020006)资助
中央高校基本科研业务费专项资金项目(PA2023GDSK0047)资助.
-
文摘
近年来,深度学习方法在人体运动预测方面取得了良好的进展,目前单一阶段方法在预测的准确性和多样性上仍存在改进空间,而采用多阶段方式则导致难以端到端预测.为此,本文提出了一种基于扩散概率模型的去噪预测网络,旨在以端到端的方式去预测出准确多样的人体运动.其中提出了一个基于Transformer的模块,包含一个无softmax的修正线性自注意力,提升了人体运动预测的准确性.此外,本文还提出了一种基于DPM-Solver++的扩散模型采样策略,预测出更加连续和多样性的人体运动姿态序列,并将预测出同一质量人体运动姿态序列的采样时间缩减至一半以下.最后,将本文方法在两个标准数据集Human3.6M和HumanEva-I上进行充分评估.实验结果表明,本文方法优于最先进的单一阶段的方法.
-
关键词
人体运动预测
扩散概率模型
去噪预测网络
修正线性自注意力
dpm-solver++
-
Keywords
human motion prediction
diffusion probability model
denoising prediction network
rectified linear self-attention
dpm-solver++
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进扩散模型的脑肿瘤异常检测
- 2
-
-
作者
马杨源
徐慧英
朱信忠
黄晓
-
机构
浙江师范大学计算机科学与技术学院
浙江师范大学教育学院
-
出处
《浙江师范大学学报(自然科学版)》
2025年第2期154-162,共9页
-
基金
国家自然科学基金资助项目(62376252)
浙江省自然科学基金重点资助项目(LZ22F030003)
国家级大学生创新创业计划项目创新训练重点资助项目(202310345042)。
-
文摘
传统生成模型在医学图像异常检测方面存在模式易崩溃、生成样本质量差、训练时间长的问题.鉴于扩散模型作为新兴的生成模型在图像相关任务上有出色的表现,提出一种基于改进扩散模型的脑肿瘤异常检测算法CNB-DDPM,对原有网络结构进行改进,使用卷积结构的ConvNeXt Block替代原有的残差结构ResNet Block.考虑到扩散模型采样步骤长的缺点,引入一种快速常微分方程求解器DPM-Solver,加速扩散模型采样过程,节约采样时间.在训练过程中学习健康受试者的数据分布,推理过程中输入异常样本并通过模型重建出正常图像,将输入图像与输出图像执行差分操作来实现对异常部位的检测.实验使用了2个公开可用的脑部MRI数据集,并与其他生成模型进行比较,结果表明,引入了DPM-Solver的扩散模型CNB-DDPM在采样效率、采样质量和精确率方面均优于其他模型.
-
关键词
异常检测
扩散模型
卷积结构
扩散模型求解器
生成模型
-
Keywords
anomaly detection
diffusion models
convolutional structure
dpm-solver
generative models
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
