关键词model-agnostic framework
搜索结果 - 5
- MEDOE：长尾语义分割的多专家解码器和输出集成框架
通过上下文信息集成和分组的多专家解码器和多专家输出集成的 MEDOE 模型无偏地改进深度神经网络在长尾语义分割中的性能。
- UADB: 无监督异常检测增强器
本文提出一种通用的 UAD Booster 框架，利用神经网络作为模型辅助器并考虑模型间差异自动校正的方法，提高异构 UAD 模型的适应性和检测效果。
- ICLR通过自适应样本加权提高可微因果发现
本文提出了一种简单而有效的模型无关框架，通过动态学习适应权重来增强因果发现的性能，该权重定量地适合于每个样本的重要度，并已在合成和真实世界数据集上进行了广泛的实验证明，具有稳定且显着的结构学习性能提升，同时缓解了虚假边的影响并推广到异构数据 - 联邦重构：部分本地化联邦学习
本文提出了联邦重构（Federated Reconstruction）方法，这是第一个适用于大规模交叉设备设置的局部联邦学习模型通用框架，可用于训练和推断，并在移动键盘应用中成功实现了基于本方法的联邦协同过滤。
- 鲁棒视觉问答的循环一致性
该研究提出了一个新的评估协议和与之相关的数据集（VQA-Rephrasings），展示了当前最先进的 VQA 模型对问题中的语言变化是非常脆弱的。作者们提出了一个模型不可知的框架，利用循环一致性来提高 VQA 模型的健壮性，通过训练模型不仅