实体
Generalized Category Discovery
Generalized Category Discovery
PulseAugur coverage of Generalized Category Discovery — every cluster mentioning Generalized Category Discovery across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
最近 · 第 1/1 页 · 共 3 条
-
PartCo框架通过零件级对应先验增强类别发现
研究人员推出PartCo，一个旨在通过整合零件级视觉特征对应来改进泛化类别发现（GCD）的新框架。该方法捕捉更细粒度的语义结构，从而实现对类别关系的更细致理解，这对于区分相似类别至关重要。PartCo与现有的GCD方法集成，并在基准数据集上展示了显著的性能提升，为该领域树立了新标准。
-
新框架应对领域迁移下的通用类别发现
研究人员开发了三种新框架，以改进在处理数据领域迁移时的通用类别发现（GCD）。这些方法调整了现有的基础模型，包括视觉和视觉-语言模型，以更好地对来自已知和未知类别的未标记实例进行分类。所提出的技术 HiLo、HLPrompt 和 VLPrompt 利用特征解耦、提示调整和跨模态一致性来有效处理语义和领域迁移。实验表明，在各种多领域迁移数据集上，与现有方法相比有了显著改进。
-
研究人员开发用于 SAR 广义类别发现的频谱引导知识迁移
研究人员开发了一个名为 MDC-guided Cross-modal Prior Transfer (MCPT) 的新框架，以改进从光学图像到合成孔径雷达 (SAR) 数据进行广义类别发现 (GCD) 的知识迁移。MCPT 框架引入了模态差异曲线 (MDC) 来量化频域中的跨模态差异。该方法利用自适应频率分词 (AFT) 和频率感知专家细化 (FER) 来细化特征并对齐跨模态的嵌入。实验表明，通过实现光学先验到 SAR 图像的更有效适…