hubness problem | BriefGPT - AI 论文速递

关键词hubness problem

搜索结果 - 7

EMNLP平衡行为：利用查询和图库消除跨模态检索中的中心化问题
本研究提出了一种后处理解决方案来解决跨模态检索中的枢纽问题，该问题是指频繁地检索到少数库数据点，从而导致检索性能下降。我们在理论上首先证明了结合库数据和查询数据来解决枢纽问题的必要性，因为枢纽总是与库数据和查询数据具有高相似性。然后，基于我
PDF9 months ago
CVPR中心点和超球体：使用超球嵌入减少中心现象和提高传导式小样本学习性能
通过在超球面上平均分配表示，以优化均匀性和本地相似性存储之间的权衡，从而减少 hubness 问题，改善距离分类性能，提高少样本学习的准确性。
PDFa year ago
CVPR使用 Querybank 标准化进行跨模态检索
本文提出了一种简单而有效的 Querybank Normalisation（QB-Norm）方法，用于应对嵌入空间中出现的中心点问题，并获得更好的跨模态检索性能，无需重训练，同时还提出了一种新的相似度标准化方法，Dynamic Invert
PDF3 years ago
AAAIHAL: 通过缓解视觉语义中心改进文本图像匹配
本文针对视觉与语义嵌入中的 hub 问题，探讨了两种优化目标以及提出的 hubness-aware loss function 的优点，并在模型架构和数据集方面进行了实验，结果表明该方法在 text-image matching 任务中具有
PDF5 years ago
缓解零样本学习 3D 物体的 Hubness 问题
本文提出了一种用于解决零样本学习中的 hubness 问题的新的损失函数，并在 ModelNet40、ModelNet10、McGill 和 SHREC2015 等数据集上进行了广泛的评估，建立了在 3D 情况下的零样本任务的最新成果。
PDF5 years ago
CVPR语义对齐减少偏见的零样本学习
本文提出了一种新的零样本学习方法 ——Semantically Aligned Bias Reducing (SABR) ZSL，旨在通过学习一个潜在空间来解决 hubness 问题，同时通过交叉验证和弱转移约束来减轻示例类别偏移问题，并在
PDF5 years ago
双语词表归纳的判别式潜变量模型
我们提出了一种新的判别式潜变量模型，用于双语词典归纳任务，该模型将 Haghighi 等人的二分匹配字典先验与最先进的基于嵌入的方法相结合。我们提供了在两个度量标准下六个语言对上的经验改进，并表明先前的工作可以被视为类似配置的潜变量模型，尽
PDF6 years ago