会员服务
通过潜在空间的对比损失最大限度地提高相同数据样本的不同扩充视图之间的一致性来学习表示。对比式自监督学习技术是一类很有前途的方法，它通过学习编码来构建表征，编码使两个事物相似或不同
MultiMem: Measuring and Mitigating Memorization in Multi-Modal Contrastive Learning
Arxiv
0+阅读 · 6月23日
Jolia: Concept-Level Vision-Language Alignment for 3D CT Contrastive Learning
Arxiv
0+阅读 · 6月23日
Learning by Shifting: Temporal View Construction for Time Series Contrastive Learning
Arxiv
0+阅读 · 6月20日
Beyond Flat Labels: Level-Restricted Contrastive Learning for Hierarchical Fine-Grained Vision Classification
Arxiv
0+阅读 · 6月20日
Patient-Aware Contrastive Learning Preserves Per-Patient Structure in RR-Interval Representations
Arxiv
0+阅读 · 6月22日
Boundary Embedding Shaping with Adaptive Contrastive Learning for Graph Structural Disentanglement
Arxiv
0+阅读 · 6月18日
Multi-Modal Contrastive Learning for Implicit Earth Embeddings via Location Tying
Arxiv
0+阅读 · 6月18日
MoCo-AIS: A Contrastive Learning Framework for Similarity Computation of Vessel Trajectories
Arxiv
0+阅读 · 6月16日
InfoNCE Induces Gaussian Distribution
Arxiv
0+阅读 · 6月15日
Contrastive Learning for Seismic Horizon Tracking with Domain-Specific Priors
Arxiv
0+阅读 · 6月15日
Similarity-Dissimilarity Loss for Multi-label Supervised Contrastive Learning
Arxiv
0+阅读 · 6月13日
Extracting Governing Equations from Latent Dynamics via Multi-View Contrastive Learning
Arxiv
0+阅读 · 6月11日
When Softmax Fails at the Top: Extreme Value Corrections for InfoNCE
Arxiv
0+阅读 · 5月29日
Toward General Digraph Contrastive Learning: A Dual Spatial Perspective
Arxiv
0+阅读 · 6月11日
Contrastive Learning and Correlation Clustering for Sequences of Network Telescope Data
Arxiv
0+阅读 · 6月3日
参考链接
微信扫码咨询专知VIP会员
Top