NUS-WIDE

新方法增强多标签分类和图像识别能力

研究人员开发了改进多标签分类任务的新方法，该任务涉及为单个实例预测多个标签。一种名为RAPT的方法，作为一种模型无关的包装器，通过检索相似的过往案例来调整标签选择阈值，其表现优于静态阈值设置和少样本LLM。另一个框架PIAA增强了斑块级推理，并使用自适应聚合进行多标签图像识别，在无需重新训练的情况下取得了显著的进步。此外，还提出了一个用于优化多标签学习中广义度量指标的理论框架，提供了具有可证明保证的原则性算法，并在大型数据集上展示了可扩展性。