ToMA半监督视觉语言对齐框架发布
热点事件持续更新
ToMA半监督视觉语言对齐框架发布
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者 Junwon You 等人提出半监督视觉语言学习框架 ToMA，用持续同调把成对关系分解为 H₀-death 与 H₁-birth 关系，并借助已有的跨模态对应进行对齐。该框架无需构建 2-simplices 即可捕捉连通性与闭环结构。 据该研究，ToMA 在遥感任务上取得明显提升，在时尚领域分类增益显著，困难查询的检索提升尤为突出；分析称其比替代的拓扑目标更稳定，轻量 H₁-birth 边能提供有用的高阶结构信号。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
ToMA：面向半监督视觉语言学习的拓扑感知表示对齐框架报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CVToMA：面向半监督视觉语言学习的拓扑感知表示对齐框架
研究者提出 ToMA，一种用持续同调将成对关系分解为 H₀-death 与 H₁-birth 关系、并通过跨模态对应进行对齐的半监督视觉语言学习框架，无需构建 2-simplices 即可捕捉连通性与闭环结构。实验显示其在遥感任务上取得明显提升，在时尚领域分类增益显著、困难查询的检索提升尤为突出。分析表明 ToMA 比替代的拓扑目标更稳定，轻量 H₁-birth 边能提供有用的高阶结构信号。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月15日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。