BRIDGE：无标签识别并生成欠代表数据
热点事件持续更新
BRIDGE：无标签识别并生成欠代表数据
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Filipe Laitenberger 等作者提出 BRIDGE，一种围绕源图像集的无标签反馈闭环：用当前编码器按平均 kNN 距离给源图像打分，从样本稀疏的分数带中挑出锚点图像，再由冻结的图像到图像扩散模型生成局部变体，并继续预训练。作者称，在五类长尾数据源上，该方法在七项任务的线性探测与 kNN 评估中取得平均最高成绩，增益还能延伸到 ViT-S、低标签微调和语义分割。 BRIDGE 不改动预训练目标，可直接用于未筛选网络数据的预训练。
AI 根据报道生成 · 4 小时前更新
最新进展11月3日 13:00
BRIDGE：识别并生成欠代表数据以平衡自监督学习表征报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AIBRIDGE：识别并生成欠代表数据以平衡自监督学习表征
BRIDGE 提出一种无需标签的反馈闭环，用当前编码器按平均 kNN 距离为源图像打分，从支持稀疏的分数带中挑选锚点图像，再由冻结的图像到图像扩散模型生成局部变体并继续预训练。在五类长尾数据源上，BRIDGE 取得七任务线性探测与 kNN 平均最高成绩，增益可延伸至 ViT-S、低标签微调和语义分割。该方法不改动预训练目标，可直接用于未筛选网络数据的预训练。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。