计算机视觉中潜在表征的不确定性
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了在使用预训练潜在表征时缺乏不确定性估计的问题。通过将不确定性估计直接添加到潜在表征向量中，提出了基于概率和决策理论的新方法，并提供了一个不确定性感知的表征学习基准，验证了该方法的有效性。本研究不仅加深了对潜在变量不确定性的理论理解，还为今后研究者提供了易于获取的不确定性量化工具，推动了安全可靠的机器学习进步。
本研究首次引入了视觉模型的预训练不确定性模块，实现了零样本迁移。通过解决梯度冲突，训练速度提高了180倍。预训练的不确定性能够泛化到未见过的数据集，捕捉了基本不确定性。所有预训练的检查点和代码已发布。
