研究人员开发了一种新颖的方法，通过整合大型语言模型（LLMs）和图卷积网络（GCNs）来改进半监督图像分类。该方法通过使用视觉语言模型（VLM）生成图像的文本描述来解决图像分类中的图构建挑战。然后，这些描述由 LLM 处理，以估算图像之间的语义相似度得分，这些得分用于改进 GCNs 使用的图。这种改进过程有助于过滤掉语义上不相关的连接，从而提高分类准确性，尤其是在使用 kNN 图时。 AI
影响 这项研究通过减少对大量手动标记的依赖，可能带来更高效、更准确的图像分类系统。
排序理由 该集群包含一篇详细介绍图像分类新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.09104v1 Announce Type: cross Abstract: While the growing availability of image data has driven significant advances, labeling datasets remains costly and time-consuming. Therefore, semi-supervised approaches such as Graph Convolutional Networks (GCNs), which learn from…
While the growing availability of image data has driven significant advances, labeling datasets remains costly and time-consuming. Therefore, semi-supervised approaches such as Graph Convolutional Networks (GCNs), which learn from both labeled and unlabeled data, have emerged as …