低维流形

映射网络

Mapping Networks

用可训练的紧凑潜向量替代高维权重空间，把训练参数量压缩约500倍，为视觉大模型（分类、Deepfake检测等）提供了一条以低维流形假设驱动的参数高效训练与抗过拟合路径，可直接迁移到其他网络的训练流程中。