实体
Rino
Rino
PulseAugur coverage of Rino — every cluster mentioning Rino 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
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的RINO方法利用重整化群进行物理学中的自监督学习
研究人员推出了一种新颖的高能物理自监督学习方法RINO，该方法利用了喷流形成的尺度间结构。与先前的方法不同，RINO利用重整化群原理和DINO风格的自蒸馏，创建了用于在无标签数据上训练的物理基础视图。这种方法显著提高了模型向真实世界对撞机数据的可迁移性，其性能优于现有的自监督基线，甚至在仅使用少量标签数据的情况下也能媲美完全监督的训练。
-
新的RINO模型统一视觉任务，以RGB作为通用语言
研究人员推出了一种新颖的视觉模型表述方法RINO（RGB In and RGB Out），它将各种视觉数据（如掩码和深度图）视为RGB图像。这种方法允许单一模型架构通过将它们转换为RGB到RGB的图像编辑问题来处理各种视觉任务，类似于语言模型处理文本的方式。RINO在理解和生成任务上都表现出强大的零样本性能，无需针对特定任务进行微调，旨在促进统一的视觉-语言系统。