- 自监督对比学习中的非配对 MRI 超分辨率
本研究提出了一种基于自监督对比学习的非配对 MRI 超分辨率方法,利用有限的训练数据提高超分辨率性能,结果显示即使在仅有有限数量的 HR 图像的情况下,峰值信噪比和结构相似性指数都得到了显著提高,强调了该方法在解决有限训练数据挑战上的潜力, - SAMCLR:利用 SAM 进行视图采样的复杂场景对比式预训练
在计算机视觉中,自监督对比学习通过使同一图像的不同视图具有类似的表示来实现。我们提出了 SAMCLR,它是 SimCLR 的一个附加部分,使用 SAM 将图像分割成语义区域,然后从同一区域采样两个视图。初步结果表明,在 Cityscapes - 任意分割物体遭受通用对抗扰动
研究了如何使用自我监督对比学习来生成一种基于锚定样本的普适性对抗扰动,以攻击 Segment Anything Model(SAM)。验证了该方法的有效性并探讨了正负样本在生成 UAP 时的作用。
- 自监督对比学习用于稳健的音乐 - 乐谱检索系统
我们通过自监督对比学习的方法,研究了如何减轻多模态音乐检索模型中标注数据稀缺的限制,并提出了经过预训练的模型能够更好地检索音乐片段,并在交叉模态的作品识别任务中获得更好的检索质量的观察结果。
- 用对比学习进行监督式随机近邻嵌入
在保留数据集邻近信息的范围内,我们将自监督对比方法扩展到完全监督的设置,以有效利用标签信息。属于同一类别的样本集群在低维嵌入空间中聚集在一起,同时将不同类别的样本集群推开。
- MM面向快速准确的图像文本检索与自监督细粒度对齐
在这项工作中,我们在独立嵌入框架之上提出了一个图像 - 文本对齐模块 SelfAlign,通过自监督对比学习在概念级和语境级强制进行图像 - 文本对齐,提高了检索准确性同时保持了检索效率。
- 基于自监督对比学习的上下文感知 MIL 网络驱动的法医组织病理识别
提出了一种名为 FPath 的框架,利用自监督对比学习和上下文感知多实例学习的方法,从变焦比例下获取的尸检组织病理图像中学习鉴别性表示,并在 19,607 胎鼠尸体图像和 3,378 真实人体遗体图像的大型数据库上取得了最先进的准确性及跨领 - 多视角自监督学习用于多变量多通道时间序列
通过在多通道生物医学时间序列数据上进行自我监督对比学习,使用消息传递神经网络提取跨通道的单一表示,并结合 TS2Vec 损失函数,我们的方法在大多数设置中优于其他方法。
- 基于多模态电生理多头注意力对比学习的情感识别
我们提出一种基于自监督对比学习的多模式情感识别方法 ME-MHACL,通过从无标签的生物电信号中学习有意义的特征表示,并使用多头注意机制进行特征融合以提高识别性能。在 DEAP 和 MAHNOB-HCI 两个公开数据集上的实验结果表明,我们 - SCAT: 基于对抗训练的鲁棒自监督对比学习在文本分类中的应用
本文提出了一种名为 SCAT 的自我监督对比式学习的新型框架,它可以在不要求已标记数据的情况下学习稳健的表示,并且可以增强现有预训练语言模型的稳健性。
- GraSS: 基于梯度引导采样策略的对比学习用于遥感图像语义分割
本研究提出了一种名为 GraSS 的基于自我监督对比学习的遥感图像语义分割方法,利用对比损失梯度中的区域信息和自适应选取策略,以构建新的正负样本,从而有效地提高了高分辨率遥感图像语义分割的性能。
- 时间序列预测中构成良好对比学习的因素是什么?
本文通过系统分析不同的自监督对比学习策略及变量间的相互作用,发现使用 Transformer 模型综合优化 Mean Squared Error (MSE) 损失和自监督对比学习 (SSCL) 是进行时间序列预测的最有效的方法,并可优化预测 - ScoreCL:基于分数匹配函数的自适应对比学习增强
本文提出了一种基于 score-matching 函数的自监督对比学习方法 ScoreCL,通过自适应加权每对数据,改善了现有方法的性能,并在 CIFAR-10、CIFAR-100 和 ImageNet-100 上领先了多种方法,证明了其普 - 自我监督视觉学习中基于计算的接受者目视着物游戏的解释
本研究使用玩具箱数据集和计算机视觉框架进行自我监督对比学习实验,发现通过学习信号,将单个物体的不同视角赋予相似的表示有助于视觉学习的稳健性,这种性能的提高对于多种图像分类任务来说是可持续的。
- TaDSE: 模板感知的对话句子嵌入
通过模板信息,利用自我学习的对比学习框架,构建模板感知的对话句嵌入方法 TaDSE,并通过合成增强数据集增强话语和模板之间的关系,数据实验结果表明 TaDSE 在五项基准数据集上均超越了现有最佳效果,并且意图分类任务的表现较一致。
- 对比学习和域自适应技术实现包容性金融科技借贷
本文研究了金融科技贷款平台的贷款筛选中所存在的表征偏差问题,并提出了一种基于 Transformer 的序列贷款筛选模型,采用自监督对比学习和领域自适应来解决这个问题。实验结果表明,该模型显著促进了资金决策的包容性,并将贷款筛选精度和利润分 - AAAI文本分类的连续图卷积网络
提出了一种使用连续图卷积网络的新方法来推断在线文本数据的模型,称为 ContGCN,采用了全标记 - 任意文档范式来动态更新每批处理的文档 - 标记图,并使用自我监督对比学习目标来更新模型。在华为公共舆情分析系统上进行的 3 个月 A/B - 检索辅助的训练 / 测试时间自适应
Train/Test-Time Adaptation with Retrieval is a method that improves model adaptation both during training and testing ph - 探索用于小尺寸关键词检测的表示学习
本文探讨了如何利用自监督对比学习和预训练模型来进行低资源关键词检测中的表征学习,通过构建局部 - 全局对比同构网络和利用预训练 Wav2Vec 2.0 模型,该小型模型可以利用未标记的数据进行预训练,实验结果表明在小的标记数据集的情况下,自 - SemPPL: 为获得更好的对比表示而预测伪标签
提出了一种新的半监督学习方法 —— 通过伪标签的语义正例(SemPPL),结合标记和未标记的数据来学习信息表示,其通过自监督对比学习扩展了一种新的方法来选择正例。