实体
PA-Triplet Loss
PA-Triplet Loss
PulseAugur coverage of PA-Triplet Loss — every cluster mentioning PA-Triplet Loss across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的FDSML方法在无真实图像的情况下增强了视觉预训练
研究人员推出了一种名为驱动公式的监督度量学习（FDSML）的新方法，用于在没有真实图像的情况下预训练视觉模型。与先前将预训练视为分类的方法不同，FDSML利用从图像生成参数派生的关系监督。通过使用一个名为FineFractalDB的精炼数据集和参数感知三元组损失，FDSML训练嵌入以反映这些底层参数的相似性排序。该方法在图像检索任务的可迁移性方面显示出显著的改进，在Stanford Online Products和Stanford C…
-
新的FDSML方法可在无真实图像的情况下进行视觉预训练
研究人员开发了驱动公式的监督度量学习（FDSML），一种新颖的视觉预训练方法，无需真实图像。FDSML不依赖离散标签，而是从生成图像的连续参数中获得监督。该方法利用一个名为FineFractalDB的精炼分形数据集和参数感知三元组损失来训练嵌入，这些嵌入尊重图像基于其底层生成参数的相对相似性。实验表明，与之前的驱动公式监督学习技术相比，FDSML在图像检索方面显著提高了性能，并增强了鲁棒性。