实体
Nikos Giakoumoglou
Nikos Giakoumoglou
PulseAugur coverage of Nikos Giakoumoglou — every cluster mentioning Nikos Giakoumoglou across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的S-JEPA模型引入随机性以实现多样化的图像补全
研究人员推出了一种新颖的、用于掩码图像预测的联合嵌入预测架构（JEPA）的随机泛化模型S-JEPA。与先前估计单一补全的确定性方法不同，S-JEPA使用学习到的后验来推断随机潜在变量，从而能够生成多样化且语义各异的补全。这种新方法还提供了与误差相关的预测不确定性，这是确定性预测器所不具备的功能，同时不影响表示质量。
-
新的SNAP方法通过合成负例增强视觉-语言预训练
研究人员开发了一种名为SNAP的新方法，通过生成有效的合成难负例来改进视觉-语言预训练。现有方法在跨模态构建（会产生过于容易的负例）或内模态构建（包含正例）方面存在困难。SNAP通过创建避免任一模态正例的内模态难负例来解决这些问题，当应用于CLIP和FLIP等模型时，能在零样本检索和分类任务中带来持续的改进。
-
新 ViTAMINS 方法通过合成负样本增强视觉 Transformer 训练
研究人员开发了 ViTAMINS，一种通过引入合成难负样本来训练自监督视觉 Transformer 的新方法。该方法提高了表示质量，在 ImageNet 等基准测试以及图像检索和分割等各种下游任务上取得了显著改进。该方法展示了涌现的分类能力，性能优于现有基线，甚至超过了像 V-JEPA with ViT-L 这样的大型模型。与对比学习中的生成方法和自蒸馏方法相比，ViTAMINS 提供了一种更具资源效率且功能更强大的替代方案。