large-scale datasets | BriefGPT

关键词large-scale datasets

搜索结果 - 105

半监督三维实例分割的实例一致性正则化
提出了一种新的自我训练网络 InsTeacher3D，用于从无标签数据中探索和利用纯实例知识，通过实例一致性正则化实现半监督的 3D 实例分割，结果显示 InsTeacher3D 明显优于先前最先进的半监督方法。
PDF6 days ago
TGB 2.0: 时间知识图与异构图学习的基准评测
多关系时间图是建模现实世界数据的强大工具，研究论文介绍了用于评估方法的新的基准框架，并提供了大规模数据集，重点评估预测未来连接方法的效果。
PDF16 days ago
ACLBookSQL：面向会计领域的大规模文本到 SQL 数据集
给定一份新的大规模文本转 SQL 数据集（BookSQL），研究作者通过实验与分析现有的最先进模型，发现在会计和金融领域存在显著的性能差距，进而指出有需要开发更专注于该领域的模型。
PDF18 days ago
Omni6DPose：一种用于普适 6D 物体姿态估计和跟踪的基准和模型
6D 目标姿态估计是计算机视觉中一个重要且具有挑战性的任务，本文介绍了 Omni6DPose 数据集以及使用 GenPose++ 方法对其进行的基准分析。
PDF24 days ago
DeMamba: 百万规模 GenVideo 基准上的 AI 生成视频检测
给予广泛传播的虚假信息的忧虑，我们引入了第一个人工智能生成视频检测数据集 GenVideo，其中包括超过一百万个人工智能生成的视频和真实视频，以及针对现实场景的评估方法和增强检测器的模块 DeMamba，这将显著推进人工智能生成视频检测领域
PDFa month ago
用于异常检测和定位的分形预训练数据集
通过使用动态生成的分形图像对比使用 ImageNet 预先训练的模型，我们评估了八种最先进的模型在异常检测任务中的性能，虽然 ImageNet 的预训练仍然是最好的选择，但分形图像的结果非常有希望，这表明了在处理机器学习中日益增长的数据需求
PDF2 months ago
MHLR：移动 Haar 学习率调度器用于一 GPU 大规模人脸识别训练
该论文提出了一种简单而非常有效的方法，Moving Haar Learning Rate（MHLR）调度器，用于在训练过程中及时准确地调整学习率，支持仅使用一块 GPU 进行大规模的人脸识别训练，能够将模型的训练时间加速到原来的 1/4，而
PDF2 months ago
Accel-NASBench: 加速器感知的可持续性 NAS 基准测试
通过寻找训练代理，我们构建了一个开源的双目标神经架构搜索基准测试，用于大规模数据集，并结合了加速器的设备性能，包括 GPU、TPU 和 FPGA。通过与各种 NAS 优化器和硬件平台的广泛实验，我们展示了该基准测试的准确性，并且可以对硬件感
PDF3 months ago
AiSAQ：全存储 ANNS 与产品量化用于无 DRAM 信息检索
本文提出了一种名为 All-in-Storage ANNS with Product Quantization (AiSAQ) 的方法，通过将压缩向量转移到存储器中，可以在十亿级别的数据集中实现约 10MB 的内存使用，同时还能减少查询之前
PDF3 months ago
关于自监督学习的预训练数据多样性
增加训练数据集的多样性可以提高自我监督学习的性能，但前提是下游数据的分布差异很小。即使通过网络爬虫或扩散生成的方法等方式实现了非常庞大的预训练数据多样性，分布的变化仍然是一个挑战。
PDF3 months ago
HYDRA：用于动态组合视觉推理的超级智能体
HYDRA 是一个多阶段动态组合视觉推理框架，利用大规模数据集和语言模型进行可靠且递增进化的推理，表现出了在各种视觉推理任务上的最新性能。
PDF3 months ago
数据集偏差的十年战斗：我们已经到达目标了吗？
我们重新审视了 Torralba 和 Efros 在十年前建议的 “数据集分类” 实验，这个实验在如今大规模、多样化且希望具有更高的数据集的新时代以及更强大的神经网络架构中进行。令人惊讶的是，我们观察到现代神经网络在分类图像来自哪个数据集的
PDF4 months ago
ICLR加速 LiNGAM：以 GPU 速度学习因果 DAG
通过将现有的因果发现方法进行高效并行化，可以使它们适用于数千个维度的数据集，从而解决了基于组合优化或搜索的现有方法在大规模数据集上运行速度慢的问题。具体地，我们并行化了 LiNGAM 方法，并加速其中的因果排序子过程，实现了与现有顺序实现相
PDF4 months ago
AAAI逻辑回归的可证明准确性随机抽样算法
在统计学和机器学习领域，逻辑回归是一种广泛应用于二分类任务的监督学习技术。本研究提出一种基于随机抽样的简单算法，针对逻辑回归问题，确保对模型的预测概率和整体差异都能得到高质量的近似。研究分析了当采用杠杆得分对观测数据进行抽样时，逻辑回归的预
PDF4 months ago
多目标二进制坐标搜索特征选择
为解决大规模特征选择问题，本文提出了一种新的二元多目标坐标搜索（MOCS）算法，该算法在真实世界的大规模数据集上展现出显著的优越性，并且比 NSGA-II 算法更快速、更高效地解决特征选择问题。
PDF4 months ago
Jacquard V2：使用人机协同数据校正方法优化数据集
利用人机互补方法改进 Jacquard 抓取数据集的研究，通过深度学习网络预测物体位置和方向，结合人工操作者的评估，改善了数据集的质量并用于训练神经网络模型。
PDF5 months ago
JUMP: 一种用于神经影像的联合多模态注册流程的最小预处理方法
利用最少的预处理提供无偏差和稳健的多模式神经影像注册，通过单一结构化框架联合处理不同图像模式，使用先进的基于学习的技术实现快速推论，适用于大规模和 / 或多队列数据集，目前可处理结构 MRI、静息状态 fMRI 和淀粉样 PET 图像，通过
PDF5 months ago
SignVTCL: 多模态连续手语识别的视觉 - 文本对比学习增强
利用多模态数据和语言模型的泛化能力，通过视觉 - 文本对比学习，提出了一种多模态连续手语识别框架 SignVTCL，它整合了视频、关键点和光流等多模态数据，训练了统一的视觉骨干并获得更强大的视觉表示，同时通过视觉 - 文本对齐方法在词汇和句
PDF5 months ago
CBVS：面向现实世界短视频搜索场景的大规模中文图文基准
利用大规模图像文本预训练的视觉语言模型在图像检索等任务中表现出优异性能；为了填补短视频封面数据的缺失，我们建立了首个面向中文短视频搜索场景的大规模封面文本基准测试集，并提出了 UniCLIP 方法，通过训练时的封面文本引导，但推理时不依赖封
PDF5 months ago
崛起学习：由新兴能力和单义性基础的研究
通过研究不同规模的模型，我们发现在大型模型中达到更高性能的关键因素是单语义神经元的减少，提出了一种主动抑制单语义性的两阶段方法，并通过理论分析和实验证明了其有效性。该方法的适用性不限于大规模，但对于研究部门来说，将该研究扩展至非常大规模的数
PDF6 months ago