图片 swMATH ID: 26705 软件作者： Tejas D Kulkarni；Pushmet Kohli；Joshua B Tenenbaum；维卡什·曼辛加 描述： 图片：用于场景感知的概率编程语言。概率建模和统计学习的最新进展，加上大规模训练数据集的可用性，导致了计算机视觉的显著进步。生成性概率模型，或“分析-综合”方法，可以捕捉丰富的场景结构，但应用范围不如有区别的对应方法广泛，因为它们在建模和推理方面通常需要大量特定于问题的工程，而推理通常被视为需要缓慢，假设和测试蒙特卡罗方法。在这里，我们展示了Picture，一种用于场景理解的概率编程语言，它允许研究人员表达复杂的生成性视觉模型，同时使用快速通用推理机自动求解它们。图片提供了一种随机场景语言，可以表达任意2D/3D场景的生成模型，以及一个表示层层次，用于通过匹配不仅是像素，而且是更抽象的特征（例如轮廓、深层神经网络激活），将场景假设与观察到的图像进行比较。推理可以灵活地将先进的蒙特卡洛策略与快速的自下而上的数据驱动方法相结合。因此，表示和推理策略都可以直接建立在经过区分训练的系统中，以使生成性视觉更加健壮和有效。我们使用Picture来编写3D人脸分析、3D人体姿势估计和3D物体重建的程序，每个程序都与专门设计的基线相竞争。 主页： https://ieeexplore.ieee.org/document/7299068 源代码： https://github.com/mrkulk/MIT-Picture网站 相关软件： 能量；f-甘氨酸；Wasserstein甘；基蒂；github；伊姆格特；SYNTHIA数据集；挤压探测；LGSVL公司；DeepXlore公司；阿波罗；Paracosm公司；风景；深度愚人；卡拉；验证；教堂；Smalltalk公司；L-BFGS-B型；计算机辅助设计 引用于： 2文件 全部的 前5名8位作者引用 1 马丁·阿乔夫斯基 1 Baydin，Atm Günesh 1 莱昂·博图 1 戴维·洛佩兹 1 马克西姆·奥奎布 1 巴拉克·A·皮尔默特。 1 阿列克谢·安德烈耶维奇·拉杜尔 1 杰弗里·马克·西斯金德 连载1篇 1 机器学习研究杂志（JMLR） 在2个字段中引用 1 数值分析（65-XX） 1 计算机科学（68至XX） 按年份列出的引文