马塞洛·卡里奥尼
人员信息
优化列表
![笔记](https://dblp.uni-trier.de/img/note-mark.dark.12x12.png)
2020年–今天
2024 [j3] 西蒙·塞塔 , 马塞洛·卡里奥尼 , 苏巴迪普·穆克吉 , 卡罗拉·比比安·舍利布 , 阿尔贝托·雷达利 :
用于4D流MRI无监督超分辨率和去噪的隐式神经表示。 计算。 方法生物识别程序。 246 : 108057 ( 2024 ) [注2] 克里斯蒂安·布雷迪斯 , 马塞洛·卡里奥尼 , 西尔维奥·范森 , 丹尼尔·沃尔特 :
完全校正广义条件梯度法的渐近线性收敛性。 数学。 程序。 205 ( 1 ) : 135-202 ( 2024 ) 2023 [j1] 克里斯蒂安·布雷迪斯 , 马塞洛·卡里奥尼 , 西尔维奥·范森 , 弗朗西斯科·罗梅罗 :
求解最优运输正则化动态逆问题的广义条件梯度法。 已找到。 计算。 数学。 23 ( 三 ) : 833-898 ( 2023 ) [i7] 西蒙·塞塔 , 马塞洛·卡里奥尼 , 苏巴迪普·穆克吉 , 卡罗拉·比比安·舍利布 , 阿尔贝托·雷达利 :
用于4D流MRI无监督超分辨率和去噪的隐式神经表示。 CoRR公司 abs/2302.12835 ( 2023 ) [i6] 马塞洛·卡里奥尼 , 苏巴迪普·穆克吉 , 红叶谭 , 君祺汤 :
基于最优传输和凸分析的成像反问题无监督方法。 CoRR公司 abs/2311.08972 ( 2023 ) 2021 【c3】 苏巴迪普·穆克吉 , 马塞洛·卡里奥尼 , 奥赞·克特姆 , 卡罗拉·比比安·舍利布 :
端到端重建满足反问题的数据驱动正则化。 NeurIPS公司 2021 : 21413-21425 [i5] 乔治·巴佐利斯 , 马塞洛·卡里奥尼 , 克里斯蒂安·埃特曼 , 索鲁什·阿夫尤尼 , 佐伊·库茨 , 卡罗拉·比比安·舍利布 :
CAFLOW:条件自回归流。 CoRR公司 abs/2106.02531 ( 2021 ) [i4] 苏巴迪普·穆克吉 , 马塞洛·卡里奥尼 , 奥赞·克特姆 , 卡罗拉·比比安·舍利布 :
端到端重建满足反问题的数据驱动正则化。 CoRR公司 abs/2106.03538 ( 2021 ) 2020 [i3] 克里斯蒂安·布雷迪斯 , 马塞洛·卡里奥尼 , 西尔维奥·范森 , 弗朗西斯科·罗梅罗 :
具有最优运输正则化的动态逆问题的广义条件梯度法。 CoRR公司 abs/2012.11706 ( 2020 )
2010 – 2019
2019 【c2】 乔治·帕特里尼 , 瑞安·范登伯格 , 帕特里克·福雷 , 马塞洛·卡里奥尼 , 萨默斯·巴加夫 , 马克斯·威林 , 蒂姆·吉纳温 , 弗兰克·尼尔森 :
Sinkhorn自动编码器。 阿拉伯联合酋长国 2019 : 733-743 2018 [i2] 乔治·帕特里尼 , 马塞洛·卡里奥尼 , 帕特里克·福雷 , 萨默斯·巴加夫 , 马克斯·威林 , 瑞安·范登伯格 , 蒂姆·吉纳温 , 弗兰克·尼尔森 :
Sinkhorn自动编码器。 CoRR公司 abs/1810.01118 ( 2018 ) 2016 【c1】 乔治·帕特里尼 , 弗兰克·尼尔森 , 理查德·诺克 , 马塞洛·卡里奥尼 :
损失因子分解、弱监督学习和标签噪声鲁棒性。 ICML公司 2016 : 708-717 [i1] 乔治·帕特里尼 , 弗兰克·尼尔森 , 理查德·诺克 , 马塞洛·卡里奥尼 :
损失因子分解、弱监督学习和标签噪声鲁棒性。 CoRR公司 abs/1602.02450 ( 2016 )
合著者索引
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)