label space | BriefGPT - AI 论文速递

关键词label space

搜索结果 - 10

解析标签空间、格式和歧视：通过上下文学习重新思考 LLM 如何响应并解决任务
通过实证研究，我们在文中将 ICL 的整体表现分解为三个方面，即标签空间、格式和区分能力，并评估四种通用语言模型在各种任务中的性能。结果显示，虽然示范对于激发语言模型的区分知识的影响较小，但 ICL 对于调节标签空间和格式的表现具有显著效果
PDF3 months ago
预训练模型的几何感知自适应
我们提出了一种简单的方法，利用标签空间的度量信息通过替换传统的预测规则中的 argmax 来适应已训练好的模型以可靠地预测新类别，或者在零样本预测中提高性能，而无需额外的训练。我们对该方法进行了全面的理论分析，研究了学习理论结果、标签空间直
PDFa year ago
ECCV语义分割的联合集合多源模型适配
本文旨在解决语义分割中的多源模型适应性问题，在新的联合多源模型适应设置下提出了一种新的学习策略，称为模型不变特征学习，并在不同的适应性设置中进行了广泛实验以证明该算法的卓越性能。
PDF2 years ago
ECCV从不平衡中构建平衡：长尾图像识别
本文提出了一种新的解决长尾图像识别中头尾偏差问题的方法，通过调整标签空间来平衡数据，从而提高分类性能。实验证明该方法可应用于多种模型，并为长尾特征学习提供了思路。
PDF2 years ago
CVPRFLOAT: 改善多目标多部件场景分析的因式学习对象属性
本文提出 FLOAT 框架，它是一个因式化的标签空间框架，可以有效地实现多对象和多部分图像场景的分割和语义分析。FLOAT 的独立密集预测对象和部分属性，减少了任务复杂度并提高了可扩展性，而推理时的 “缩放” 细化技术可以显著提高细分质量。
PDF2 years ago
ICML通过标记空间中的数据增强方法联合神经网络数据集
本文旨在探讨在标签空间中通过增强技术进行数据集的加入，并提出了一种通过人工创建的知识图谱、递归神经网络和策略梯度等技术成功实现标签空间下数据集的加入的新技术。经过图像和文本分类的实证结果证明了我们方法的有效性。
PDF3 years ago
MatchGAN：自监督半监督条件生成对抗网络
该论文提出了一种基于标签空间的图像增强，新颖的自我监督学习方法，用于半监督条件生成网络，通过将少量有标签的示例中的标签赋给大量无标签的示例，构成训练集并优化辅助匹配损失，实现了对 CelebA 和 RaFD 两项挑战性基准测试的有效性评估，
PDF4 years ago
AAAIUn-Mix: 重新思考无监督视觉表示学习中的图像混合
该论文提出了一种基于标签空间的无监督学习方法 (Un-Mix)，通过混合输入数据进行联合工作，从而学习到更加精细、鲁棒且广义的表示。实验证明，在 CIFAR-10、CIFAR-100、STL-10、Tiny ImageNet 和 Image
PDF4 years ago
AAAI具有公共因素化空间的不交标签空间迁移学习
本文提出了一种统一的转移学习方法，通过一个模型处理多个源域和目标域标签空间和注释假设，对处理源和目标标签空间不相交的情况特别有效，并在无监督和半监督设置中优于其他方法，其中关键是称为共同因式空间的共同表示，它在源和目标域之间共享，并通过无监
PDF6 years ago
深度极端多标签学习
该论文提出了一种利用非线性嵌入和基于图先验的标签空间建模相结合的实用深度嵌入方法，以解决规模庞大的标签空间问题，并在多个公共数据集上进行了实验。
PDF7 years ago