实体
VGGS
VGGS
PulseAugur coverage of VGGS — every cluster mentioning VGGS across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的VGGSounder基准改进了视听基础模型的评估
研究人员推出VGGSounder，这是一个新的基准数据集，旨在更准确地评估视听基础模型。现有的VGGS数据集存在标签不完整和模态不对齐等局限性，这会扭曲性能评估。VGGSounder通过全面的重新标注和详细的模态信息解决了这些问题，可以精确分析单个模态的性能以及结合它们的影响。
-
新的模型融合技术提高了零样本性能
研究人员开发了一种新的以神经元为中心的模型融合方法，解决了独立训练的神经网络中表示发散带来的挑战。该方法将融合视为一个表示匹配问题，对齐模型间的中间神经元以近似目标表示。它结合了神经元归因分数来优先考虑显著特征，并适用于各种架构，尤其在零样本和非独立同分布（non-IID）数据场景下表现出显著的改进。