Geometric Gradient Rectification

新的几何梯度校正改进了开放集学习

研究人员推出了一种名为几何梯度校正（GGR）的新型框架，旨在改进开放集半监督学习。GGR 通过关注梯度级别的控制，而非样本过滤或软加权，来解决现有方法的局限性。所提出的即插即用框架使用监督梯度作为锚点，并将冲突的辅助梯度投影到可接受的空间中，确保更新不相互对抗，同时保留有用的信号。在 CIFAR 和 ImageNet 基准测试上的实验表明，GGR 在闭集泛化和开放集鲁棒性方面均提高了基线性能。