UniSSL

新的UniSSL框架提升半监督学习准确性

研究人员提出了一个名为通用半监督学习（UniSSL）的新框架，以应对从有限标记数据和未知未标记数据分布中学习的挑战。所提出的方法，基于单纯形锚定的图状态均分（SAGE），侧重于推断数据表示内的结构关系，而不是依赖于从分布估计中获得的可能错误的伪标签。SAGE利用高阶样本间依赖性和单纯形等角紧框架来指导表示学习和分离，在五个基准测试中平均准确率提高了8.52%。