Apr, 2024

广义零样本学习的双重专家蒸馏网络

PDF
TL;DR通过引入 Dual Expert Distillation Network (DEDN) 方法以及 Dual Attention Network (DAN) 骨干网络，该研究在视觉属性建模方面实现了新的最先进水平。
zero-shot learningvisual-attribute modelingdual expert distillation network (dedn)coarse-grainedfine-grained
发现论文，激发创造
  • MSDN: 用于零样本学习的相互语义蒸馏网络

    本文提出了一个相互语义蒸馏网络（MSDN），通过学习属性感知的视觉特征和视觉感知的属性特征，不断地提炼视觉和属性之间的内在语义表示来解决零样本学习中的潜在语义知识推理问题，并在三个数据集上实现了新的最先进性能。

    Mar, 2022

  • 零样本学习的双重关系挖掘网络

    通过引入 Dual Relation Mining Network (DRMN) 和 Dual Attention Block (DAB)，该研究提出一种提高零样本学习的效果的方法，通过进行视觉 - 语义交互和学习属性之间的语义关系来实现共享语义知识。经过广泛的实验证明，该方法在 CUB，SUN 和 AwA2 三个标准零样本学习基准上取得了最新的最佳表现。

    May, 2024

  • 广义零样本学习的双特征增强网络

    利用双特征增强网络（DFAN）解决零样本学习中存在的问题，该网络包括对视觉特征和语义特征进行增强的两个模块，借助注意力机制，通过学习属性特征以及解决局部与全局特征之间的冲突来提高属性表示。

    Sep, 2023

  • 双进化原型网络用于广义零样本学习

    本文介绍了一种名为 “双重渐进式原型网络（DPPN）” 的方法，用于解决广义零样本学习（GZSL）中的问题，包括域偏移问题、视觉代表性的跨域可转移性和类别可辨别性。DPPN 通过学习属性和类别的两种原型模式来构建视觉表征，从而逐渐提高属性定位准确性和类别区分度，并在四个基准测试上进行了验证。

    Nov, 2021

  • 视觉语言理解的蒸馏双编码模型

    提出了一种跨模态关注蒸馏框架来训练双编码器模型，以用于视觉语言理解任务，如视觉推理和视觉问答，并证明使用这种框架可以在保持比融合编码器模型更快的推理速度的同时实现竞争性的性能表现。

    Dec, 2021

  • 数据无关模型压缩的双判别器对抗蒸馏

    提出了一种名为 Dual Discriminator Adversarial Distillation (DDAD) 的新型无数据的知识蒸馏方法，通过生成样本，训练紧凑的学生网络，使其接近其教师网络，从而在计算机视觉任务中实现了高效的神经网络。

    Apr, 2021

  • 跨领域集成蒸馏用于领域泛化

    本文提出了一种名为 XDED 的跨域集合蒸馏方法，通过学习域不变特征并鼓励模型收敛于平坦极小值来提高泛化能力，同时提出了解决任意目标域中样式连贯性的去风格化方法。该方法在交叉领域图像分类、跨数据集的 person re-ID 和语义分割中极大地提高了泛化能力，并且表明所学习的模型对抗攻击和图像破坏是鲁棒的。

    Nov, 2022

  • 多视角增强蒸馏：改进实体链接

    本篇论文提出了一种多视图增强蒸馏框架，通过跨编解码器到对编解码器的多精细和提及相关部分的知识传输，从而有效地学习与不同提及相匹配的实体表示，实验表明该方法在几个实体链接基准上实现了最优性能。

    May, 2023

  • 鹰眼狐耳：通用零样本学习的部分原型网络

    当前的广义零样本学习方法基于单一类别属性向量表示整个图像，这是对新颖类别识别过程的过度简化，因此图像的不同区域可能具有来自不同已见类别的属性并具有不同的主导属性。在此基础上，我们采用一种根本不同的方法：使用对属性信息敏感的预训练视觉语言检测器（VINVL）有效获取区域特征，然后使用学习到的函数将区域特征映射到区域特定属性注意力，并构建类别部件原型。我们在包含 CUB、SUN 和 AWA2 数据集的流行广义零样本学习基准测试中进行实验证明，我们提出的部件原型网络（PPN）与其他流行的基础模型相比取得了有希望的结果。相应的消融研究和分析表明，我们的方法在局部提案可用时具有明显的优势，且非常实用。

    Apr, 2024

  • 人脸反翻拍的双教师知识蒸馏与领域对齐

    本文提出了一种用于人脸反欺诈的领域对抗攻击方法，通过对输入图像添加扰动使其在领域间不可区分从而实现领域对齐；此外，结合领域对抗攻击与双教师知识蒸馏，开发了一种具有领域对齐的双教师知识蒸馏框架用于人脸反欺诈。在公共数据集上进行大量的消融研究和与最先进方法的比较结果验证了我们提出方法的优势。

    Jan, 2024