Tag · 2 篇
即插即用正则化
分布 鲁棒性与安全1视觉语言模型1
01 02
重新审视噪声标签学习：主动遗忘与噪声抑制
Revisiting Learning with Noisy Labels: Active Forgetting and Noise Suppression
提出一种即插即用的正则化框架，通过机器遗忘主动擦除模型已内化的噪声知识，并用负学习抑制后期噪声过拟合，可直接集成到现有噪声标签学习基线中提升鲁棒性。
配额校准的细粒度对齐与上下文感知边缘分布用于文本行人检索
Quota-Calibrated Fine-Grained Alignment with Context-Aware Marginals for Text-based Person Retrieval
QC-Align 提出一种无需参数、即插即用的训练正则化器，通过上下文感知的边缘分布估计和配额校准的最优传输目标，显式约束文本词与视觉区域之间的多对多匹配质量，可被复用于任何需要细粒度跨模态对齐的视觉-语言任务（如跨模态检索、图文匹配），尤其在少样本和跨域场景下提升基线性能与可解释性。