实体
Cars-196
Cars-196
PulseAugur coverage of Cars-196 — every cluster mentioning Cars-196 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的因果框架CouCE可消除深度度量学习的偏差
研究人员推出了一种新颖的因果框架CouCE，旨在通过解决零样本泛化问题来改进深度度量学习（DML）。该框架解决了两个主要的混淆因素：虚假的背景相关性和前景干扰扰动，而标准的DML目标通常无法将它们与因果相似性区分开来。CouCE采用特定的技术，即基于正交字典的后门调整（ODBA）和多尺度随机因果干预（MSRCI），来分离这些混淆因素。所提出的方法与现有的损失函数集成，并在CUB-200-2011、Cars-196和Stanford O…
-
SAGA框架使用MLLM改进用于图像检索的视觉嵌入
研究人员开发了SAGA，一个利用冻结的多模态大型语言模型（MLLM）来增强检索任务的视觉嵌入的新颖框架。与使用统一类别标签监督的传统方法不同，SAGA采用组相对策略优化（GRPO）从MLLM的预测中导出特定于属性的梯度。这种方法通过专注于区分图像对之间的属性，使视觉编码器能够学习更细致的表示。该框架在零样本图像检索的多个基准数据集上，将召回率@1比最先进的基线提高了3到6个百分点，显示出显著的改进。