用于细粒度开放集识别的潜在空间能量模型
原文约300字，阅读约需1分钟。发表于：。本文探讨了在细粒度视觉世界中基于低维潜在空间与能量模型的先验分布的开放集识别问题，提出了一个属性感知信息瓶颈（AIB）模块、一个残差属性特征聚合（RAFA）模块和一个基于不确定性的虚拟异常点合成（UVOS）模块，分别改善了精细化类别样本的表达能力、细粒度和密度。该方法可利用近期的视觉变换器进行强大的视觉分类和生成，并在精细化和通用的视觉分类数据集上得到验证，同时保持了生成高分辨率逼真图像的能力。
本文提出了一个基于低维潜在空间与能量模型的先验分布的开放集识别问题的解决方案，包括属性感知信息瓶颈模块、残差属性特征聚合模块和基于不确定性的虚拟异常点合成模块。该方法可用于视觉分类和生成，并在精细化和通用的视觉分类数据集上得到验证。
