BriefGPT - AI 论文速递
·
SINCERE: 监督信息噪声对比估计再探讨
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该论文提出了一种名为RINCE的新的信息噪声对比损失，可以利用相似性排名的信息来学习相应的嵌入空间，并且相比标准InfoNCE，可以自适应探索相似性信息。该损失函数也可以应用于无监督训练，针对视频的无监督学习，可展现出更优的分类精度、检索率和越界检测表现。
🎯
关键要点
-
提出了一种名为RINCE的新的信息噪声对比损失。
-
RINCE利用相似性排名的信息来学习嵌入空间。
-
相比标准InfoNCE，RINCE可以自适应探索相似性信息。
-
该损失函数可应用于无监督训练。
-
在视频的无监督学习中，RINCE展现出更优的分类精度、检索率和越界检测表现。
➡️
