semantic loss | BriefGPT - AI 论文速递

关键词semantic loss

搜索结果 - 8

神经符号结构预测的语义损失函数
神经网络结构化输出预测问题中的语义损失是通过最小化网络违背依赖关系从而指导网络预测满足底层结构的分布，同时也能与神经符号熵相结合，可以应用于生成对抗网络中，产生符合底层结构的复杂对象的约束性对抗网络类深度生成模型。
PDF2 months ago
本体分类的语义损失
深度学习模型的一致性是通过使用语义损失来提高，该语义损失结合了基于标签的损失和惩罚包含关系或不相交关系的项。评估结果表明该语义损失能够显著减少一致性违规，同时不降低分类性能，并且还能进一步提高在无监督数据上的一致性。
PDF2 months ago
通过分数蒸馏实现对基于扩散模仿的有效保护
本研究针对生成扩散模型，发现攻击点在于编码器模块，并提出了 Score Distillation Sampling (SDS) 策略来保护图像并减少内存占用，同时通过最小化语义损失生成更自然的扰动，希望能够为恶意扩散模仿的防御做出贡献。
PDF9 months ago
可靠增強的對比圖聚類
通过学习能力强的数据增强方法进行对比图节点聚类是非监督图学习领域的热点研究，现有方法虽然已取得良好的聚类性能，但容易出现语义漂移问题，为此我们提出了一种可靠数据增强的 CONVERT 对比图聚类网络，通过可逆干扰恢复网络提取可靠的语义信息并
PDFa year ago
ACL通过可微分符号编程改进语言模型的逻辑推理能力
本文提出 DSR-LM 框架，通过符号编程实现不同 iable 符号推理框架，其中预训练的语言模型控制事实知识的感知，符号模块执行演绎推理，并改进了 LMs 的逻辑推理能力，结果表明其在推理基准测试中的精度提高了 20% 以上。
PDFa year ago
ICLR基于扩散的图像翻译：使用解缕分离的风格和内容表征
本文提出了一种基于扩散的非监督图像转换方法，使用分离的风格和内容表征，并使用 ViT 模型中的中间键提取多头自注意层作为内容保存损失，并匹配文本驱动风格转移的 [CLS] 分类令牌，同时使用额外的 CLIP 损失，实验结果表明，该方法在文本
PDF2 years ago
学习生成传达几何和语义的线描
该文章提出一种从照片中创建线条图的无配对方法，该方法结合了几何和语义信息并使用了图像翻译和损失函数来创建场景信息和 3D 形状的编码。
PDF2 years ago
利用语义保存的对抗嵌入网络进行零样本视觉识别
提出了一种称为 SP-AEN 的新框架，用于进行零样本视觉识别，其目的是解决嵌入式零样本学习中的语义丢失问题，通过对两个子空间的敌对学习来实现语义的转移和提高零样本识别能力。在基准测试中，相比其他最先进的方法，SP-AEN 不仅能提高分类性
PDF7 years ago