CVPRMay, 2024
稳定的表示:最优逼近兼容性与改进模型替代的影响
Stationary Representations: Optimally Approximating Compatibility and Implications for Improved Model Replacements
Niccolò Biondi, Federico Pernici, Simone Ricci, Alberto Del Bimbo
TL;DR学习兼容表示使得语义特征可以随着时间的推移而交替使用,本文通过展示 $d$-Simplex 固定分类器学习的平稳表示在其形式定义的两个不等式约束下最优近似兼容表示,不仅为未来的研究奠定了坚实基础,同时也提供了可以在实际学习情景中应用的启示。