Locally isometric and conformal parameterization of image manifold

A. Bernstein; A. P. Kuleshov; Y. Yanovich

doi:10.1117/12.2228741

АБВ
АБВ
АБВ

Обычная версия сайта

Приоритетные направления

по году

Тематика

Новости

21 октября 2026 г.

Ученые НИУ ВШЭ систематизировали методы защиты изображений

Исследователи МИЭМ ВШЭ проанализировали схемы полухрупких цифровых водяных знаков для изображений, опубликованные за последние десять лет. Такие водяные знаки сохраняются при обычном сжатии или изменении яркости, но выдают подделку, если в снимок добавили объект или заменили лицо. Авторы предложили классификацию этих схем и выделили главные нерешенные проблемы. Результаты опубликованы в журнале Computer Science Review.

20 октября 2026 г.

«Наши работы можно назвать исследованиями на переднем крае науки»

Международная лаборатория кластерной геометрии, действующая на факультете математики НИУ ВШЭ, занимается формированием новой научной дисциплины, соединяющей в себе знания из различных областей математики. Выполненные в ней работы вызывают большой интерес, в том числе у зарубежных коллег. Лаборатория изучает семейства кривых и разрабатывает методы, применяемые в исследованиях физического микромира. Новостная служба «Вышка.Главное» побеседовала с заведующим лабораторией профессором Сергеем Ландо.

20 октября 2026 г.

За гранью возможного: в Вышке прошел финал IX сезона «Научных боев»

В конце сентября в Центре культур НИУ ВШЭ прошел финал IX сезона «Научных боев» с заглавной темой «За гранью возможного». Исследователи представили четыре работы. На каждое выступление отводилось по десять минут, после чего участники отвечали на вопросы жюри и зрителей. Спикеры искали границы между человеком и искусственным интеллектом, цифровой платформой и ее пользователями, государством и социальной инфраструктурой, а также между тем, как общество определяет человека, и тем, как он определяет себя сам.

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации

?

Locally isometric and conformal parameterization of image manifold

Ch. 7. P. 1–7.

Бернштейн А. В., Кулешов А. П., Янович Ю. А.

В печати

Язык: английский

Полный текст

DOI

Текст на другом сайте

Ключевые слова: Manifold Learning Dimension reduction

В книге

Proceedings of SPIE 9875, Eighth International Conference on Machine Vision (ICMV 2015)

Barcelona: SPIE, 2015.

Alignment of Vector Fields on Manifolds via Contraction Mappings

Качан О. Н., Янович Ю. А., Abramov E., Uchenye Zapiski Kazanskogo Universiteta. Seriya Fiziko-Matematicheskie Nauki 2018 Vol. 160 No. 2 P. 300–308

Добавлено: 21 января 2026 г.

Reconstruction of manifold embeddings into Euclidean spaces via intrinsic distances

Nikita Puchkin, Vladimir Spokoiny, Eugene Stepanov и др., ESAIM - Control, Optimisation and Calculus of Variations 2024 Vol. 30 Article 3

Добавлено: 2 февраля 2024 г.

Structure-adaptive Manifold Estimation

Пучкин Н. А., Спокойный В. Г., Journal of Machine Learning Research 2022 Vol. 23 No. 40 P. 1–62

Добавлено: 3 февраля 2022 г.

User-controllable Multi-texture Synthesis with Generative Adversarial Networks

Alanov A., Kochurov M., Volkhonskiy D. и др., , in: Proceedings of the 15th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications (VISAPP 2020)Vol. 4.: SciTePress, 2020. P. 214–221.

Добавлено: 8 ноября 2020 г.

Alignment Of Vector Fields On Manifolds Via Contraction Mappings

Kachan O. N., Янович Ю. А., Абрамов Е. Н., Ученые записки Казанского университета. Серия: Физико-математические науки 2018 Vol. 160 No. 2 P. 300–308

Добавлено: 29 октября 2020 г.

Estimation Of Smooth Vector Fields On Manifolds By Optimization On Stiefel Group

Абрамов Е. Н., Янович Ю. А., Ученые записки Казанского университета. Серия: Физико-математические науки 2018 Vol. 160 No. 2 P. 220–228

Добавлено: 29 октября 2020 г.

Manifold Learning Based On Kernel Density Estimation

Кулешов А. П., Bernstein A. V., Янович Ю. А., Ученые записки Казанского университета. Серия: Физико-математические науки 2018 Vol. 160 No. 2 P. 327–338

Добавлено: 28 октября 2020 г.

Manifold Learning Based On Kernel Density Estimation

Добавлено: 28 октября 2020 г.

Minimax adaptive dimension reduction for regression

Пари К. П., Journal of Multivariate Analysis 2014 Vol. 128 P. 182–202

Добавлено: 20 декабря 2014 г.

Manifold Learning: Generalization Ability and Tangent Proximity

Бернштейн А. В., Кулешов А. П., International Journal of Software and Informatics 2013 No. 7(3) P. 359–390

One of the ultimate goals of Manifold Learning (ML) is to reconstruct an unknown nonlinear low-dimensional Data Manifold (DM) embedded in a high-dimensional observation space from a given set of data points sampled from the manifold. We derive asymptotic expansion and local lower and upper bounds for the maximum reconstruction error in a small neighborhood ...

Добавлено: 21 ноября 2014 г.

Manifold Learning in Data Mining Tasks

Кулешов А. П., Бернштейн А. В., , in: Machine Learning and Data Mining in Pattern RecognitionVol. 8556.: Springer, 2014. P. 119–133.

Добавлено: 30 сентября 2014 г.