augmentation | BriefGPT - AI 论文速递

关键词augmentation

搜索结果 - 53

更多尽于少：低数据情境下高效细粒度视觉识别
通过利用增强和蒸馏技术，AD-Net 框架通过自我蒸馏技术在增强样本上优化学习特征，减轻有害的过拟合，从而在弱数据条件下提高深度神经网络性能，相对于标准 ResNet-50 和最先进的低数据技术的 SOTA 接近者，我们的框架相对准确度最高
PDF4 days ago
使用扩散模型合成高效的数据进行个体重新识别预训练
提出了一种新的 Diffusion-ReID 范例，通过生成和过滤阶段来有效增强和生成不同的图像，首先创造了一个新的大规模人员重识别数据集 Diff-Person，接着构建了一个基于 Diff-Person 预训练的更强大的人员重识别模型，
PDF22 days ago
LiDAR 目标检测的等变时空自监督
基于空间和时间增强的等变学习框架，通过鼓励平移、缩放、翻转、旋转和场景流的等变性，提高了三维物体检测的性能。
PDF2 months ago
自监督视觉偏好对齐
本研究首次尝试了视觉语言模型（VLMs）中的无监督偏好对齐，通过对原始和增强图像对生成选择和拒绝响应，并进行直接偏好优化来实现。通过合理设计图像输入的增强方式，诱导 VLM 生成虚假但困难的负面响应，有助于模型从中学习并生成更强大和健壮的答
PDF3 months ago
用 Gromow-Wasserstein 中心点进行图数据增强
在该论文中，提出了一种新颖的图形增强策略，该策略在非欧几里得空间中操作，通过使用图数学模型对网络序列的生成机制进行建模，提高了图分类模型的性能。此外，使用非欧几里得距离，特别是 Gromow-Wasserstein 距离，可以更好地逼近图形
PDF3 months ago
锻造伪造者：通过数据增强改进作者验证的尝试
在作者验证的敌对设置中，通过与负面合成样本增强分类器训练集，以模仿感兴趣作者的风格，无论是通过隐藏写作风格还是模仿其他作者的风格，本文以三种不同的生成器架构（基于循环神经网络的一种，基于小规模转换器的一种，以及基于流行的 GPT 模型的一种
PDF3 months ago
通过蛋白质数据增强改善蛋白质预测模型：一个基准和新方向
数据增强技术被用于蛋白质数据中，通过引入两种新的语义级别蛋白质增强方法，以及将增强技术整合到一个自适应选择增强组合的框架中，通过实验证明 Automated Protein Augmentation（APA）提高了三种架构下五个蛋白质相关任
PDF4 months ago
通过组合拓展能力的 LLM 增强 LLMs
通过提出 CALM，即 Composition to Augment Language Models，我们研究了现有基础模型与特定模型的有效和实用组合，以赋予其新的能力。CALM 通过引入模型之间的交叉关注来组合它们的表示，并实现新的功能。
PDF6 months ago
文本到视频扩散模型中的定制动作
通过扩展现有的文本到视频生成模型，我们引入了一种方法来增加定制动作，以超越原始训练数据中所描绘的动作。通过利用几个呈现特定动作的视频样本作为输入，我们的方法学习并概括了多样化的、与文本指定情景相关的输入动作模式。
PDF7 months ago
基于细粒度无监督跨模态域自适应的前庭神经瘤分割
引入细粒度无监督框架以实现跨模态的前庭神经硬膜瘤和耳蜗分割，通过使用向量控制生成器并应用多样增强技术来提高分割模型的性能和鲁棒性。在 CrossMoDA 验证阶段排行榜上，我们的方法分别在前庭神经硬膜瘤和耳蜗上得到了 0.765 和 0.8
PDF7 months ago
MMDoubleAUG：基于颜色扰动和双样式记忆的城市单领域通用目标检测器
本文提出了一种新颖的 DoubleAUG 方法，它包括图像级和特征级增强方案，旨在解决城市场景中单域泛化目标检测任务，即在不同天气条件下训练的模型能够在任何其他天气条件下表现良好。通过大量实验证明我们提出的方法优于现有方法，并且消融研究证实
PDF7 months ago
TableLlama: 面向表格的开放大型通用模型
我们开发了第一个开源的通用模型 TableLlama，通过在 TableInstruct 数据集上进行训练，实现了与特定任务设计方法相媲美甚至更好的性能，并证明了在 TableInstruct 上进行训练可以提高模型的泛化能力。
PDF8 months ago
EMNLPRankAug: 文本分类的增强数据排名
本研究提出了一种名为 RankAug 的文本排名方法，通过多样性的词汇和句法，检测和过滤出最具相似意义的顶级增强文本，从而改善生成数据过滤在自然语言理解任务中的性能，特别是意图和情感分类。通过对多个数据集进行实验，我们证明了过滤技术的精心选
PDF8 months ago
EMNLP规模、检索增强与形式对语言模型事实一致性的影响
大型语言模型（LLMs）在提供事实知识方面具有自然的界面，但它们的有用性受到其倾向于给出不一致答案的限制。本文识别不一致性的潜在原因，并评估两种缓解策略的效果：扩展和使用检索语料库增强 LM。我们在 LLaMA 和 Atlas 模型上的结果
PDF8 months ago
特定应用的半合成数据集增强用于凝视估计
通过生成面部的纹理三维网格，并从特定位置和方向的虚拟相机渲染训练图像作为现有数据集的补充方式，可以在目标特定任务中取得更好的推广效果，平均减少了 47% 的注视角度误差。
PDF8 months ago
无法回答的视觉问答
本研究旨在构建一个值得信赖的 AI 系统，通过为 Visual Question Answering（VQA）模型教授弃权无法回答问题的能力。研究通过提供一个名为 UNK-VQA 的全面数据集来填补这一研究空白，该数据集特别设计用于解决无法
PDF8 months ago
理想对齐可能对图形对比学习具有有害作用
通过研究数据增强对对比学习的影响，探索了图形对比学习的内在规律以及数据增强对下游任务和泛化性能的影响，并提出了两种验证该理论的简单而有效的方法。
PDF9 months ago
大型语言模型上的简易提示增强：多源多目标的 EPA 方法
通过自动增强任务演示的方式，这篇论文提出了一种名为 EPA (Easy Prompt Augmentation) 的新方法，可以在改善模型性能的同时减少用户编写演示的工作量，并有效地提升自然语言理解（NLU）和自然语言生成（NLG）任务的性
PDF10 months ago
ICCV基于层次增强的单向汇聚对比学习用于异常检测
本论文提出了一种名为 UniCon-HA 的方法，通过结合监督和无监督的对比损失，明确鼓励正常样本的集中和虚拟异常样本的分散。通过软机制对每个扩增的正常样本进行重新加权，以确保纯净的集中。此外，通过采用易到难的层次化增强策略，并根据数据增强
PDF10 months ago
通过 WavAugment 引导的音素对抗训练实现鲁棒的自动语音识别
提出了一种新的 WavAugment Guided Phoneme Adversarial Training (wapat) 方法，利用对手示例在音素空间中进行增强，使模型对音素表示中的细微波动具有不变性，并在保持对清洁样本的性能的同时提高
PDFa year ago