arXiv cs.CV· Nanzhu Chen, Feixiang He, Yunfeng Diao, Duygu Sarikaya, He Wang·· 2 小时前AI 评分13
QCLR：面向自监督骨架动作识别的对比学习量化鲁棒化插件模块
QCLR: A Plug-in Robustification Module via Quantization for Contrastive Learning in Self-Supervised Skeleton-Based Human Action Recognition
AI 导读
研究者提出 QCLR，一个通过量化提升自监督骨架动作识别中对比学习鲁棒性的插件模块。该模块在编码流程中采用双层量化方案，切断梯度传播并将微小对抗扰动吸收进量化区间，同时用注意力引导的多面量化策略缓解量化误差。在多个基准数据集上，将 QCLR 接入主流对比学习模型后，对白盒与黑盒对抗攻击的鲁棒性显著提升，分类精度仍保持竞争力。
来源：arXiv cs.CV · arxiv.org