miner
PulseAugur coverage of miner — every cluster mentioning miner across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
MINER框架通过建模个体间和个体内部方差来增强人员重新识别能力
研究人员推出MINER，一个旨在改进换衣人员重新识别（CC-ReID）的新颖框架。这种模型无关的方法通过关注个体间方差和个体内部方差来应对剧烈的外观变化挑战，而以往的方法主要增强个体间方差。MINER通过对比困难样本并自适应地平衡数据集依赖的方差来抑制服装偏差。实验表明，MINER在四个CC-ReID基准测试中取得了最先进的性能，并在TVID RGB-Depth ReID挑战赛中名列前茅。
-
MINER框架改进了跨服装变化的行人重新识别
研究人员推出MINER，一个旨在解决换装行人重新识别（CC-ReID）挑战的新颖框架。与之前专注于个体间方差的方法不同，MINER通过对比困难样本并自适应地平衡数据集相关因素来控制个体内部方差。该方法在多个CC-ReID基准测试中展示了最先进的性能，并在TVID RGB-Depth ReID挑战赛中取得了领先成果。
-
新型MiNER模型增强临床文本中疟疾实体识别能力
研究人员开发了MiNER，一个用于从临床文本中提取疟疾信息的微调生物医学语言模型。该模型利用了预训练语言模型BioBERT，并在精选的疟疾相关科学文章语料库上进行了训练。实验表明，在命名实体识别的精确率、召回率和准确率方面，MiNER显著优于其他编码和机器学习算法。研究团队还发布了他们标注的数据集，以促进疟疾信息提取的进一步研究。
-
新框架审计文档智能中的结构脆弱性
研究人员引入了一个新的框架来审计文档布局分析（DLA）管道的结构脆弱性，这对于检索增强生成和长文档问答等系统至关重要。该框架称为“Footprint Bias”，超越了以区域为中心的评估，专注于输出级别的审计。它采用块级结构损失率（B-SLR）和其他指标来精确确定扰动影响布局结构的何处以及故障如何传播，揭示了微小、有针对性的探测会导致显著的下游退化。
-
MINER模块通过融合内部Transformer信号增强多模态文档检索
研究人员推出MINER，一个旨在提高视觉文档检索效率的新型即插即用模块。MINER探测并融合Transformer层内的内部表示，形成一个单一的紧凑嵌入，解决了现有检索方法在质量和效率之间的权衡问题。该方法旨在提高检索精度，同时不增加存储或延迟，在多个基准测试中表现优于当前的密集单向量检索器。