BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

针对长尾半监督学习的不确定性感知采样

💡 原文中文，约400字，阅读约需1分钟。
📝

内容提要

本文提出了一种新的半监督语义分割视角，通过分析标记和无标记数据集的分布差异，提出了提高无标记数据的不确定性来改善模型推广能力的方法。设计了一种特别针对半监督语义分割的不确定性增强算法，并在实验中证实了其有效性。与其他方法相比，在常用基准数据集上取得了最新性能。

🏷️

标签

不确定性 半监督 半监督语义分割 基准数据集 模型推广能力 算法
➡️

继续阅读

  1. AI 智创简报：《Agent 记忆层被写进专利，垂直行业的本地化长尾还空着》
    微软与UiPath近期公开了四项Agent记忆与跨上下文专利，涵盖共享上下文、事件流路由及三级记忆体系，显示大厂正抢占记忆层基础设施。尽管开源组件热门，但...
  2. CD sales are booming as physical media continues its resurgence
    According to the Recording Industry Association of America (RIAA), CD sales e...
  3. Kimi K3 模型结构（7）：结构决定系统
    本文总结Kimi K3模型结构对训练与推理系统的影响。KDA采用三种执行形态（FlashKDA、设备内上下文并行、状态回滚）处理固定大小状态；上下文并行通...
  4. Kimi K3 模型结构（6）：输入端与零件，MoonViT-V2、MTP、Per-Head Muon
    Kimi K3模型采用从零训练的MoonViT-V2视觉编码器，27层、patch14结构，支持高分辨率图像token化；MTP层预训练后微调为EAGLE...
  5. EP224：MCP与RAG及AI代理的对比
    An AI agent is kind of an AI system where the agent performs the task autonom...
  6. Kimi K3 模型结构（5）：宽度维度，Stable LatentMoE
    Kimi K3模型采用Stable LatentMoE作为FFN，基于NVIDIA LatentMoE改进，将输入压缩至半宽latent空间，增加RMSN...
👤 个人中心
在公众号发送验证码完成验证