Tag · 3 篇

噪声对应学习

分布鲁棒性与安全2视觉语言模型1

Rethinking Cross-Modal Anchor Alignment for Mitigating Error Accumulation

针对跨模态匹配中干净锚框对也会累积误差的问题，用傅里叶变换压制非关键细粒度扰动、以角度一致性重估软标签，可直接迁移到图文检索与跨模态对齐训练中抑制噪声累积。

PAUL: Uncertainty-Guided Partition and Augmentation for Robust Cross-View Geo-Localization under Noisy Correspondence

针对跨视角地理定位中因GPS漂移导致的图像对空间错位（噪声对应）问题，提出基于数据不确定性和损失模式划分干净/噪声样本、并对高置信区域做局部增强的鲁棒训练框架，可复用于其他存在标注噪声或弱对应的视觉检索/匹配任务。

ConeSep: Cone-based Robust Noise-Unlearning Compositional Network for Composed Image Retrieval

针对组合图像检索中三元组标注噪声（尤其是参考图与目标图高度相似但修改文本错误的“硬噪声”）提出噪声边界估计与定向遗忘机制，可复用于任何依赖图文三元组监督的检索/对齐训练流程，用于清洗错误对应关系。