提出无监督长尾适配场景与MARS方法
热点事件持续更新
提出无监督长尾适配场景与MARS方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
报道摘要
研究提出无监督长尾适配（ULTA）新场景，发现现有视觉语言模型适配方法在长尾分布下头部类别性能急剧下降，与监督长尾学习中尾部类别受损的现象相反。为此提出 MARS 模型，通过 Boundary-Preserving Alignment 和 Margin-aware Self-Refinement 缓解头部类别边界侵蚀并修正尾部与易混淆类别。
摘自 arXiv cs.CV
最新进展10月7日 12:00
视觉语言模型的无监督长尾适配：MARS 方法提升 4.71 个百分点报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.CV视觉语言模型的无监督长尾适配：MARS 方法提升 4.71 个百分点
研究提出无监督长尾适配（ULTA）新场景，发现现有视觉语言模型适配方法在长尾分布下头部类别性能急剧下降，与监督长尾学习中尾部类别受损的现象相反。为此提出 MARS 模型，通过 Boundary-Preserving Alignment 和 Margin-aware Self-Refinement 缓解头部类别边界侵蚀并修正尾部与易混淆类别。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。