受控部分神经坍缩方法用于长尾识别，被 WACV 2027 接收
热点事件持续更新
受控部分神经坍缩方法用于长尾识别，被 WACV 2027 接收
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Hyeontaek Hwang 等提出受控部分神经坍缩方法，解决长尾识别中强制尾部类完全坍缩导致过收缩、损害泛化的问题，论文已被 WACV 2027 接收。 方法由骨干网络上的两项控制实现：CASA（类自适应稀疏激活）分类器与 ETF 约束的自适应间隔（ETF-AM）损失，使头部类沿 ETF 坍缩而尾部类保留类内多样性。论文称在 CIFAR100-LT、ImageNet-LT、Places-LT 和 iNaturalist-2018 四个数据集上，该方法的整体准确率优于此前方法。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
受控部分神经坍缩用于长尾识别：全坍缩并非最优报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AI受控部分神经坍缩用于长尾识别：全坍缩并非最优
一项被 WACV 2027 接收的研究提出受控部分神经坍缩方法，解决长尾识别中强制尾部类完全坍缩导致过收缩、损害泛化的问题。方法包含 CASA 分类器和 ETF-AM 损失，让头部类沿 ETF 坍缩而尾部类保留类内多样性。在 CIFAR100-LT、ImageNet-LT、Places-LT 和 iNaturalist-2018 上取得优于此前方法的最佳整体准确率。
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。