Najważniejsze publikacje
- Łukasz Struski, Marcin Mazur, Paweł Batorski, Przemysław Spurek, Jacek Tabor, Bounding Evidence and Estimating Log-Likelihood in VAE, International Conference on Artificial Intelligence and Statistics [AISTATS](MAIN) 206 (2023), 5036-5051
- Marcin Mazur, Łukasz Pustelnik, Szymon Knop, Patryk Pagacz, Przemysław Spurek, Target layer regularization for continual learning using Cramer-Wold distance, Information Sciences 609 (2022), 1369-1380
- Szymon Knop, Marcin Mazur, Igor Podolak, Przemysław Spurek, Jacek Tabor, Generative models with kernel distance in data space, Neurocomputing 487 (2022), 119-129
- Stanisław Jastrzębski, Szymon Knop, Marcin Mazur, Igor Podolak, Przemysław Spurek, Jacek Tabor, Cramer-Wold Auto-Encoder, Journal of Machine Learning Research 21 (2020), 1-28
- Marcin Mazur, Piotr Oprocha, S-limit shadowing is C^0-dense, Journal of Mathematical Analysis and Applications 408 (2013), 465-475
Najnowsze publikacje
- Rafał Tobiasz, Grzegorz Wilczyński, Marcin Mazur, Sławomir K. Tadeja, Przemysław Spurek, MeshSplats: Mesh-Based Rendering With Gaussian Splatting Initialization, International Conference on Computational Science [ICCS], (2026), accepted
- Piotr Borycki, Weronika Smolak-Dyżewska, Joanna Waczyńska, Marcin Mazur, Sławomir K. Tadeja, Przemysław Spurek, GASP: Gaussian Splatting for physics-based simulations, Computer Vision and Image Understanding 265 (2026), 104699
- Weronika Smolak-Dyżewska, Malarz Dawid, Kornel Howil, Jan Kaczmarczyk, Marcin Mazur, Przemysław Spurek, VeGaS: Video Gaussian splatting, Information Sciences 735 (2026), 123033
- Paweł Batorski, Malarz Dawid, Marcin Przewięźlikowski, Marcin Mazur, Sławomir K. Tadeja, Przemysław Spurek, Hypernetwork Approach to Rapid NeRF Adaptation, Knowledge-Based Systems 332 (2026), 114861
- Kornel Howil, Joanna Waczyńska, Piotr Borycki, Tadeusz Dziarmaga, Marcin Mazur, Przemysław Spurek, CLIPGaussian: Universal and Multimodal Style Transfer Based on Gaussian Splatting, Advances in Neural Information Processing Systems [NeurIPS](MAIN), (2025),
Zainteresowania
Metody uczenia maszynowego i statystycznego, w tym (ale nie wyłącznie) modele generatywne, wnioskowanie wariacyjne oraz uczenie ciągłe
Marcin Mazur
stopień/tytuł doktor habilitowany stanowiskobadawczo-dydaktyczne, adiunkt
jednostka
- Katedra Matematyki Stosowanej
- Instytut Matematyki
- Group of Machine Learning Research (GMUM)
marcin.mazur@uj.edu.pl