基于监督引导的零样本学习:一种无实际数据曝露的协同范式
原文中文,约400字,阅读约需1分钟。发表于: 。在这份研究中,我们提出了一种创新的 SG-ZSL 范式,旨在解决数据隐私和模型版权等问题,该范式通过引入教师模型、学生模型和连接两者的生成器来促进高效协作,无需交换模型或敏感数据。在教师模型的指导下,学生模型通过匹配教师模型的性能并探索教师未涵盖的领域来实现训练,通过白盒和黑盒两个不同的安全级别训练协议,实现了隐私与性能之间的平衡,并在 ZSL 和 GZSL...
该研究提出了SG-ZSL范式,解决了数据隐私和模型版权问题。通过教师模型、学生模型和生成器的协作,实现了高效训练和性能平衡。在ZSL和GZSL任务中表现优越,具有鲁棒性和效率。