- 利用弱到强的一致性进行半监督肾小球分割
基于弱到强一致性框架的半监督学习方法,在多个真实数据集上验证,对肾小球分割取得了卓越的性能,超过了现有的监督基准模型,如 U-Net 和 SegFormer。
- NoiseBoost:用噪声扰动缓解多模态大型语言模型的错觉
通过加入噪声特征扰动作为正则化器,NoiseBoost 方法成功缓解了多模态大型语言模型中的幻觉问题,提出了半监督学习的先驱性方法,能够通过挖掘无标签数据来提高密集描述准确性。
- CVPRFaceLift: 半监督的三维面部关键点定位
介绍了一种采用半监督学习方法,在没有 3D 地标数据集的情况下,通过直接提取(可见的)手工标记的 2D 地标,并确保更好的定义对齐,从而学习 3D 地标。该方法利用 3D 感知的生成对抗网络进行更好的多视角一致性学习,并利用实景多帧视频进行 - 从障碍到机遇:通过合成数据增强半监督学习
通过分析合成图像的问题,本文提出了一种新的 SSL 方法 RSMatch 来解决混合真实和合成图像对 SSL 的影响问题,并通过实验证明 RSMatch 能够更好地利用未标记图像中的合成数据来提高 SSL 性能。
- 单目深度估计中无监督域自适应的一致性正则化
在单目深度估计中,我们提出了一种基于一致性的半监督学习方法来解决无监督领域自适应问题,通过在源领域的预测结果和未标记目标样本的多个增强视图上的扰动一致性来实现源领域的预测规则化。与先前的方法相比,我们的方法简单且有效,只需要训练单个模型,实 - FRCNet 频率与区域一致性用于半监督医学图像分割
本文介绍了两种半监督医学图像分割的一致性正则化策略,包括频域一致性(FDC)和多粒度区域相似性一致性(MRSC),通过这些策略有效高效地利用无标签数据进行特征学习,实验结果显示我们的方法取得了显著的性能提升,并超过其他最先进的方法。
- 一个百万人的路径:从维基百科提取生活轨迹
通过挖掘 Wikipedia 上数百万的人物传记页面,结合 COSMOS 模型的半监督学习和对比学习思想,本研究成功提取了人物生命轨迹,并提供了公开可用的代码、大量提取的轨迹数据和 WikiLifeTrajectory 数据集,以促进轨迹提 - 深度安全半监督学习下的多样化师生对应策略
半监督学习能够通过利用未标记的数据显著提高模型性能,然而,现实世界的未标记数据往往包含看不见类别的样本,这可能阻碍对已知类别的分类。为解决这个问题,我们引入了一个名为 Diverse Teacher-Students (DTS) 的新型框架 - 基于可穿戴设备的半监督人体活动识别行为插值
混合廣場:一種利用有標籤和無標籤活動的深度半監督人體活動識別方法,通過線性插值和混合校準機制來提高傳感器數據的特徵嵌入效果,展示了深度半監督技術在人體活動識別中的潛力。
- 基于广义贝叶斯规则和软修正的半监督学习
我们提供了对带软修订的 Gamma-Maximin 方法进行理论和计算研究的结果,该方法最近被提出作为半监督学习中伪标签选择(PLS)的稳健准则。与传统的 PLS 方法相反,我们使用先验的可信集(“广义贝叶斯”)来表示认知建模的不确定性,然 - 平滑伪标签
在半监督学习中,引入了一种平滑伪标签损失函数来解决标签稀缺性带来性能不稳定的问题,并通过实验验证了其在稀缺标签情况下的显著改善。此外,还提出了一个新的基准测试,在整个数据集中随机选择标记的图像,以改进半监督学习算法的可靠性和解释性。
- SIAVC:工业事故视频分类的半监督框架
提出了一种新的半监督学习方法 SIAVC,用于工业事故视频分类,通过视频增强和伪标签样本生成来改善半监督学习中标记和未标记训练数据的不平衡问题,并在构建的 ECA9 数据集上取得优异的视频分类性能。
- 通过对比学习和不确定性估计增强 Sentinel 2 影像的主动学习
介绍了一种新颖方法,通过将半监督学习与主动学习策略相结合,提高了卫星图像分析的标签效率;采用对比学习和蒙特卡洛失活来估计不确定性,在 Sentinel-2 卫星图像上使用 Eurosat 数据集进行了分析,结果显示在不平衡类别情况下,该方法 - SEGAN:半监督学习方法用于缺失数据插补
本文提出了一种基于半监督学习的缺失数据完整性模型 SEGAN,它通过引入生成器、判别器和分类器等三个重要模块,使生成器在预测缺失数据值时更充分地利用已知数据和标签信息,同时通过引入缺失提示矩阵使判别器能够更有效地区分已知数据和生成器填充的数 - ICML消除偏见:对基础模型进行半监督学习的微调
通过在预训练基础模型中应用平衡的边界 Softmax 和解耦式标签平滑,FineSSL 提供了一种新的半监督学习方法,显著改善了现有方法的性能问题,并在多个基准数据集上达到了新的最先进水平,降低了训练成本超过六倍,可以无缝集成各种微调和现代 - 图神经网络的条件偏移鲁棒一致性预测
使用符合预测(conformal prediction)技术,此论文提出了一种用于解决图半监督学习中图神经网络(GNN)预测不确定性问题的方法,该方法还引入了一种新的损失函数来优化模型预测,并在标准图基准数据集上进行了验证。
- 大规模视频对象分割中的全局动作理解
通过在动态视频的对象分割中集成场景全局运动知识,我们展示了从其他领域的视频理解中转移知识并结合大规模学习可以提高复杂环境下的鲁棒性。我们提出了一种半监督视频对象分割架构,利用运动理解中的现有知识进行更平滑的传播和更准确的匹配。同时,我们使用 - MaskMatch:基于 Mask 自编码特征学习的半监督学习增强
半监督学习中存在数据利用有限的挑战,本研究介绍了一种全新的算法,利用未标记数据来提升半监督学习的性能,并取得了最先进的结果。
- 多模态高效数据驱动的自动驾驶三维场景理解
在自动驾驶中,高效利用数据对于推进 3D 场景理解至关重要。我们的研究在 LiDAR 语义分割上扩展了半监督学习,利用行驶场景的内在空间先验和多传感器互补来增强无标注数据集的有效性。我们引入了 LaserMix++,这是一个进化的框架,结合 - DiffMatch: 视觉 - 语言指导提升半监督变化检测器的性能
本文提出了一种基于视觉语言模型的半监督变化检测方法,名为 DiffMatch,通过利用 VLM 合成自由变化标签为无标签数据提供额外的监督信号,并通过辅助分割解码器明确分离双时相图像的语义表示,最终通过特征级对比损失引入度量感知监督,实验证