arXiv · cs.AI · Th\'eau Blanchard (HeKA | U1346, GE Healthcare), St\'ephanie Allassonni\`ere (CMAP) · 3 小时前模型评分31
用 Finsler-Randers 几何为潜空间探索建模方向性距离
Learning Directional Randers Geometry for Latent-Space Exploration
导读
研究提出 Finsler-Randers 度量学习框架，为深度网络潜空间引入方向相关距离，使插值与外推轨迹能遵守单调顺序约束。该方法针对真实数据中转换代价不对称的问题，例如疾病进展中某些转变不可逆，而现有对称的黎曼度量无法刻画。团队在受控横截面数据集上演示了该框架在插值和外推上的潜力。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：医疗与生命科学
事件类型：研究发布
证据摘录
- “To do so we propose a new Finsler-Randers metric learning framework.”
来源：arXiv · cs.AI · arxiv.org