保罗·斯沃博达
人员信息
附属: 德国杜塞尔多夫海因里希·海因大学
优化列表
![笔记](https://dblp.dagstuhl.de/img/note-mark.dark.12x12.png)
2020年-今天
2024 [公元38年] 艾哈迈德·阿巴斯 , 保罗·斯沃博达 :
DOGE-Train:基于GPU的离散优化和端到端训练。 AAAI公司 2024 : 20623-20631 [i29] 詹妮克·布林克曼 , 阿布海·谢沙德里 , 维克多·莱沃索 , 保罗·斯沃博达 , 克里斯蒂安·巴特尔 :
基于符号多步推理任务训练的变压器的力学分析。 CoRR公司 abs/2402.11917 ( 2024 ) 2023 [公元37年] Duy M.H.Nguyen先生 , 黄阮 , Truong Thanh Nhat Mai公司 , 三曹 , Binh T.Nguyen先生 , Nhat Ho公司 , 保罗·斯沃博达 , 沙迪·阿尔巴奎尼 , 谢鹏涛 , 丹尼尔·桑塔格 :
基于内对比聚类的联合自我监督图像体积表示学习。 AAAI公司 2023 : 14426-14435 [公元36年] 詹妮克·布林克曼 , 保罗·斯沃博达 , 克里斯蒂安·巴特尔 :
视觉变形金刚中社会偏见的多维分析。 ICCV公司 2023 : 4891-4900 [公元35年] 艾哈迈德·阿巴斯 , 保罗·斯沃博达 :
ClusterFuG:通过Multicut对全连通图进行聚类。 ICML公司 2023 : 19-30 [公元34年] Duy M.H.Nguyen先生 , 黄阮 , Nghiem Tuong Diep公司 , Tan Ngoc Pham公司 , 三曹 , Binh T.Nguyen先生 , 保罗·斯沃博达 , Nhat Ho公司 , 沙迪·阿尔巴奎尼 , 谢鹏涛 , 丹尼尔·桑塔格 , 马蒂亚斯·尼珀特 :
LVM Med:通过二阶图匹配学习用于医学成像的大规模自监督视觉模型。 NeurIPS公司 2023 [第28条] 艾哈迈德·阿巴斯 , 保罗·斯沃博达 :
ClusterFuG:通过Multicut对全连通图进行聚类。 CoRR公司 绝对值/23012159 ( 2023 ) [i27] Duy M.H.Nguyen先生 , 黄阮 , Nghiem Tuong Diep公司 , Tan Ngoc Pham公司 , 三曹 , Binh T.Nguyen先生 , 保罗·斯沃博达 , Nhat Ho公司 , 沙迪·阿尔巴奎尼 , 谢鹏涛 , 丹尼尔·桑塔格 , 马蒂亚斯·尼珀特 :
LVM Med:通过二阶图匹配学习用于医学成像的大规模自监督视觉模型。 CoRR公司 abs/2306.11925 ( 2023 ) [i26] 詹妮克·布林克曼 , 保罗·斯沃博达 , 克里斯蒂安·巴特尔特 :
视觉变形金刚中社会偏见的多维分析。 CoRR公司 abs/2308.01948 ( 2023 ) [i25] 保罗·罗泽 , 艾哈迈德·阿巴斯 , 曹东良 , 弗洛里安·伯纳德 , 保罗·斯沃博达 :
几何一致3D形状匹配的快速离散优化。 CoRR公司 abs/2310.08230 ( 2023 ) 2022 [公元33年] 保罗·罗泽 , 保罗·斯沃博达 , 丹尼尔·克莱默斯 , 弗洛里安·伯纳德 :
用于弹性几何一致三维形状匹配的可扩展组合求解器。 CVPR公司 2022 : 428-438 [c32] 艾哈迈德·阿巴斯 , 保罗·斯沃博达 :
FastDOG:基于GPU的快速离散优化。 CVPR公司 2022 : 439-449 [公元31年] 艾哈迈德·阿巴斯 , 保罗·斯沃博达 :
RAMA:一种基于GPU的快速多点切割算法。 CVPR公司 2022 : 8183-8192 [公元30年] Duy M.H.Nguyen先生 , 罗伯托·亨舍尔 , 博多·罗森哈恩 , 丹尼尔·桑塔格 , 保罗·斯沃博达 :
LMGP:提升多截满足多摄像机多目标跟踪的几何投影。 CVPR公司 2022 : 8856-8865 [公元29年] 斯特凡·哈勒 , 洛伦斯·费内斯 , 丽莎·赫申雷特 , 弗洛里安·伯纳德 , 卡斯滕·罗瑟 , 达格马尔·凯努勒 , 保罗·斯沃博达 , 博格丹·萨文斯基 :
计算机视觉中图形匹配算法的比较研究。 ECCV(23) 2022 : 636-653 【i24】 保罗·斯沃博达 , 安德烈亚·霍纳科娃 , 保罗·罗泽 , 博格丹·萨文斯基 , 艾哈迈德·阿巴斯 :
结构化预测问题档案。 CoRR公司 abs/2202.03574 ( 2022 ) [第23条] 保罗·罗泽 , 保罗·斯沃博达 , 丹尼尔·克莱默斯 , 弗洛里安·伯纳德 :
弹性几何一致三维形状匹配的可缩放组合解算器。 CoRR公司 abs/2204.12805 ( 2022 ) [i22] 艾哈迈德·阿巴斯 , 保罗·斯沃博达 :
DOGE-Train:基于GPU的离散优化和端到端训练。 CoRR公司 abs/2205.11638 ( 2022 ) 【i21】 斯特凡·哈勒 , 洛伦斯·费内斯 , 丽莎·赫申雷特 , 弗洛里安·伯纳德 , 卡斯滕·罗瑟 , 达格马尔·凯努勒 , 保罗·斯沃博达 , 博格丹·萨文斯基 :
计算机视觉中图形匹配算法的比较研究。 CoRR公司 abs/2207.00291 ( 2022 ) [i20] Duy M.H.Nguyen先生 , 黄阮 , Mai Thanh Nhat Truong公司 , 三曹 , Binh T.Nguyen先生 , Nhat Ho公司 , 保罗·斯沃博达 , 沙迪·阿尔巴奎尼 , 谢鹏涛 , 丹尼尔·桑塔格 :
基于内对比聚类的联合自监督图像体积表示学习。 CoRR公司 腹肌/2212.01893 ( 2022 ) 2021 [公元28年] 安德烈亚·霍纳科娃 , 蒂莫·凯泽 , 保罗·斯沃博达 , 米查尔·罗利内克 , 博多·罗森哈恩 , 罗伯托·亨舍尔 :
使高阶MOT可伸缩:提升不相交路径的有效近似解算器。 ICCV公司 2021 : 6310-6320 [公元27年] 詹·亨德里克·兰格 , 保罗·斯沃博达 :
具有二进制决策图的0-1 ILP的高效消息传递。 ICML公司 2021 : 6000-6010 [公元26年] 艾哈迈德·阿巴斯 , 保罗·斯沃博达 :
全光分割的组合优化:一种完全可微的方法。 NeurIPS公司 2021 : 15635-15649 [i19] 艾哈迈德·阿巴斯 , 保罗·斯沃博达 :
泛光学分割的组合优化:一种端到端可训练的方法。 CoRR公司 abs/2106.03188 ( 2021 ) [i18] 安德烈亚·霍纳科娃 , 蒂莫·凯泽 , 保罗·斯沃博达 , 米查尔·罗利内克 , 博多·罗森哈恩 , 罗伯托·亨舍尔 :
使高阶MOT可伸缩:提升不相交路径的有效近似解算器。 CoRR公司 腹肌/2108.10606 ( 2021 ) [i17] 艾哈迈德·阿巴斯 , 保罗·斯沃博达 :
RAMA:一种基于GPU的快速多点切割算法。 CoRR公司 abs/2109.01838 ( 2021 ) [i16] 艾哈迈德·阿巴斯 , 保罗·斯沃博达 :
FastDOG:GPU上的快速离散优化。 CoRR公司 abs/2111.10270 ( 2021 ) 【i15】 Duy M.H.Nguyen先生 , 罗伯托·亨舍尔 , 博多·罗森哈恩 , 丹尼尔·桑塔格 , 保罗·斯沃博达 :
LMGP:提升多截满足多摄像机多目标跟踪的几何投影。 CoRR公司 abs/2111.11892 ( 2021 ) 2020 [公元25年] 斯特凡·哈勒 , 曼加尔·普拉卡什 , 丽莎·赫申雷特 , 托比亚斯·皮茨 , 卡斯滕·罗瑟 , Florian Jug公司 , 保罗·斯沃博达 , 博格丹·萨夫钦斯基 :
用于大规模逐任务跟踪的主-对偶解算器。 AISTATS公司 2020 : 2539-2549 [公元24年] 米查尔·罗利内克 , 保罗·斯沃博达 , 多米尼克·齐特洛 , 安塞尔姆·保卢斯 , 维特穆西尔 , 乔治·马提乌斯 :
通过组合求解器的黑箱微分实现深度图匹配。 ECCV(28) 2020 : 407-424 【c23】 安德烈亚·霍纳科娃 , 罗伯托·亨舍尔 , 博多·罗森哈恩 , 保罗·斯沃博达 :
提升不相交路径及其在多目标跟踪中的应用。 ICML公司 2020 : 4364-4375 [第14条] 米查尔·罗利内克 , 保罗·斯沃博达 , 多米尼克·齐特洛 , 安塞尔姆·保卢斯 , 维特穆西尔 , 乔治·马提乌斯 :
通过组合求解器的黑箱微分实现深度图匹配。 CoRR公司 abs/2003.11657 ( 2020 ) [i13] 斯特凡·哈勒 , 保罗·斯沃博达 , 博格丹·萨夫钦斯基 :
通过限制组合搜索和LP松弛实现精确MAP会议。 CoRR公司 abs/2004.06370 ( 2020 ) [i12] 斯特凡·哈勒 , 曼加尔·普拉卡什 , 丽莎·赫申雷特 , 托比亚斯·皮茨 , 卡斯滕·罗瑟 , Florian Jug公司 , 保罗·斯沃博达 , 博格丹·萨文斯基 :
用于大规模逐任务跟踪的主-对偶解算器。 CoRR公司 abs/2004.06375 ( 2020 ) [i11] 安德里亚·霍纳科娃 , 罗伯托·亨舍尔 , 博多·罗森哈恩 , 保罗·斯沃博达 :
提升不相交路径及其在多目标跟踪中的应用。 CoRR公司 abs/2006.14550 ( 2020 )
2010 – 2019
2019 [公元22年] 詹·亨德里克·兰格 , 比约恩·安德烈斯 , 保罗·斯沃博达 :
多割和最大割的组合持久性准则。 CVPR公司 2019 : 6093-6102 【c21】 保罗·斯沃博达 , 弗拉基米尔·科尔莫戈罗夫 :
通过块坐标Frank-Wolfe算法进行MAP推断。 CVPR公司 2019 : 11146-11155 [公元20年] 保罗·斯沃博达 , 达格马尔·凯努勒 , 阿什坎·莫卡里安 , 克里斯蒂安·西奥巴特 , 弗洛里安·伯纳德 :
多图匹配的凸松弛方法。 CVPR公司 2019 : 11156-11165 [第19条] 艾哈迈德·阿巴斯 , 保罗·斯沃博达 :
马尔可夫随机场中的瓶颈潜力。 ICCV公司 2019 : 3174-3183 [第18条] 弗洛里安·伯纳德 , 约翰·桑伯格 , 保罗·斯沃博达 , 克里斯蒂安·西奥巴特 :
HiPPI:可扩展多匹配的高阶投影幂迭代。 ICCV公司 2019 : 10283-10292 [i10] 艾哈迈德·阿巴斯 , 保罗·斯沃博达 :
马尔可夫随机场中的瓶颈势。 CoRR公司 abs/1904.08080 ( 2019 ) 2018 [j5] 亚历山大·谢霍夫佐夫 , 保罗·斯沃博达 , 博格丹·萨文斯基 :
通过图形模型中的迭代松弛推理实现最大持久性。 IEEE传输。 模式分析。 机器。 智力。 40 ( 7 ) : 1668-1682 ( 2018 ) [第17条] 斯特凡·哈勒 , 保罗·斯沃博达 , 博格丹·萨文斯基 :
通过LP松弛的组合搜索进行精确MAP推断。 AAAI公司 2018 : 6581-6588 [第九章] 保罗·斯沃博达 , 弗拉基米尔·科尔莫戈罗夫 :
通过块坐标Frank-Wolfe算法进行MAP推理。 CoRR公司 abs/1806.05049 ( 2018 ) [i8] 弗洛里安·伯纳德 , 约翰·桑伯格 , 保罗·斯沃博达 , 克里斯蒂安·西奥巴特 :
可扩展多匹配的高阶投影幂迭代。 CoRR公司 abs/1811.10541 ( 2018 ) 2017 [第16条] 保罗·斯沃博达 , 扬·库斯克 , 博格丹·萨文斯基 :
组合问题拉格朗日分解的对偶上升框架。 CVPR公司 2017 : 4950-4960 [第15条] 保罗·斯沃博达 , 比约恩·安德烈斯 :
一种最小代价多段问题的消息传递算法。 CVPR公司 2017 : 4990-4999 [第14条] 保罗·斯沃博达 , 卡斯滕·罗瑟 , 哈桑·阿布·阿哈伊亚 , 达格马尔·凯努勒 , 博格丹·萨文斯基 :
图匹配的拉格朗日分解和对偶上升解的研究。 CVPR公司 2017 : 7062-7071 [第13条] 扬·库斯克 , 保罗·斯沃博达 , 斯特凡妮亚·佩特拉 :
一种新的非二进制离散层析成像的凸松弛方法。 SSVM(SSVM) 2017 : 235-246 [第12条] 维拉·特拉伊科夫斯卡 , 保罗·斯沃博达 , 弗雷迪·奥斯特罗姆 , 斯特凡妮亚·佩特拉 :
用逆线性规划学习图形模型参数。 SSVM(SSVM) 2017 : 323-334 2016 【b1】 保罗·斯沃博达 :
变分成像中的新凸松弛和全局最优性。 德国海德堡大学, 2016 ,第1-99页 【j4】 约尔格·亨德里克·卡佩斯 , 保罗·斯沃博达 , 博格丹·萨文斯基 , 塔米尔·哈赞 , 克里斯托夫·施诺尔 :
概率图聚类的多点和扰动&MAP。 数学杂志。 成像视觉。 56 ( 2 ) : 221-237 ( 2016 ) [j3] 保罗·斯沃博达 , 亚历山大·谢霍夫佐夫 , 约尔格·亨德里克·卡佩斯 , 克里斯托夫·施诺尔 , 博格丹·萨文斯基 :
一般图形模型MAP-Inference的剪枝局部最优性。 IEEE传输。 模式分析。 机器。 智力。 38 ( 7 ) : 1370-1382 ( 2016 ) [i7] 约尔格·亨德里克·卡佩斯 , 保罗·斯沃博达 , 博格丹·萨文斯基 , 塔米尔·哈赞 , 克里斯托夫·施诺尔 :
概率图聚类的多点和扰动&MAP。 CoRR公司 abs/1601.02088 ( 2016 ) [i6] 保罗·斯沃博达 , 比约恩·安德烈斯 :
最小代价多播问题的消息传递算法。 CoRR公司 abs/1612.05441 ( 2016 ) [i5] 保罗·斯沃博达 , 扬·库斯克 , 博格丹·萨文斯基 :
组合问题拉格朗日分解的对偶上升框架。 CoRR公司 abs/1612.05460 ( 2016 ) [i4] 保罗·斯沃博达 , 卡斯滕·罗瑟 , 哈桑·阿布·阿哈伊亚 , 达格马尔·坎米勒 , 博格丹·萨文斯基 :
图匹配的拉格朗日分解和对偶升程解算器的研究。 CoRR公司 abs/1612.05476 ( 2016 ) 2015 [第11条] 亚历山大·谢霍夫佐夫 , 保罗·斯沃博达 , 博格丹·萨文斯基 :
通过图形模型迭代松弛推理实现最大持久性。 CVPR公司 2015 : 521-529 [第10条] 约尔格·亨德里克·卡佩斯 , 保罗·斯沃博达 , 博格丹·萨文斯基 , 塔米尔·哈赞 , 克里斯托夫·施诺尔 :
基于扰动多点的概率相关聚类和图像分割。 SSVM(SSVM) 2015 : 231-242 [i3] 亚历山大·谢霍夫佐夫 , 保罗·斯沃博达 , 博格丹·萨文斯基 :
通过图形模型的迭代松弛推理实现最大持久性。 CoRR公司 abs/1508.07902 ( 2015 ) 2014 【c9】 保罗·斯沃博达 , 博格丹·萨文斯基 , Jörg H.Kappes博士 , 克里斯托夫·施诺尔 :
一般图形模型MAP-Inference的剪枝局部最优性。 CVPR公司 2014 : 1170-1177 [i2] 保罗·斯沃博达 , 亚历山大·谢霍夫佐夫 , 约尔格·亨德里克·卡佩斯 , 克里斯托夫·施诺尔 , 博格丹·萨文斯基 :
一般图形模型MAP-Inference的剪枝局部最优性。 CoRR公司 abs/1410.6641 ( 2014 ) 2013 [注2] 保罗·斯沃博达 , 克里斯托夫·施诺尔 :
基于直方图先验的凸变分图像恢复。 SIAM J.成像科学。 6 ( 三 ) : 1719-1735 ( 2013 ) 【c8】 保罗·斯沃博达 , 克里斯托夫·施诺尔 :
基于Wasserstein距离的变分图像分割和共分割。 EMMCVPR公司 2013 : 321-334 【c7】 保罗·斯沃博达 , 大卫·刘 , 周少华(音) :
使用多实例增强和空间正则化的解剖地标检测。 ISBI公司 2013 : 218-221 【c6】 博格丹·萨文斯基 , 约尔格·亨德里克·卡佩斯 , 保罗·斯沃博达 , 克里斯托夫·施诺尔 :
利用凸松弛缩小组合搜索区域的全局MAP优化。 NIPS公司 2013 : 1950-1958 【c5】 保罗·斯沃博达 , 博格丹·萨文斯基 , 约格·H·卡佩斯 , 克里斯托夫·施诺尔 :
通过Potts模型的迭代剪枝实现部分最优。 SSVM(SSVM) 2013 : 477-488 [i1] 保罗·斯沃博达 , 克里斯托夫·施诺尔 :
基于直方图先验的凸变分图像恢复。 CoRR公司 abs/1301.3683 ( 2013 )
2000 – 2009
2004 【c4】 保罗·斯沃博达 , 约翰·普莱斯 :
一个活跃的功能内涵数据库。 DEXA公司 2004 : 56-65 【c3】 约翰·普莱斯 , 亚尼斯·哈拉兰博斯 , 保罗·斯沃博达 , 加博尔·贝拉 :
将Omega移动到面向对象的平台。 TEX、XML和数字排版 2004 : 17-26 2002 【c2】 约翰·普莱斯 , 保罗·斯沃博达 , 雅各布·斯隆 , 迈克尔·麦卡利斯特 :
分布式社区中的开放问题。 DCW公司 2002 : 1-9 2000 【c1】 约翰·普莱斯 , 保罗·斯沃博达 , 阿马尔·阿拉玛 :
使用共享上下文构建密集型社区。 直流电源 2000 : 55-64
1990 – 1999
1996 [j1] 默里·W·戈德堡 , 萨桑·萨拉里 , 保罗·斯沃博达 :
万维网课程工具:构建基于WWW的课程的环境。 计算。 网络 28 ( 7-11 ) : 1219-1231 ( 1996 )
合著者索引
![](https://dblp.dagstuhl.de/img/cog.dark.24x24.png)