Tag · 2 篇
梯度冲突消解
分布 鲁棒性与安全1人脸与人体理解1
01 02
基于自适应梯度重加权与多阶段目标优化的机器遗忘
Machine Unlearning via Adaptive Gradient Reweighting and Multi-stage Objective Optimization
为视觉模型提供一种无需重训练的遗忘机制：通过自适应梯度重加权与多阶段目标优化（方向校正、时序稳定、自适应目标组合）缓解遗忘与保留目标间的梯度冲突，可直接用于扩散模型或分类骨干网的概念/样本擦除与隐私合规。
HamiPose：面向无监督域自适应姿态估计的哈密顿优化
HamiPose: Hamiltonian Optimization for Unsupervised Domain Adaptive Pose Estimation
把源域监督与目标域一致性之间的梯度冲突显式解耦：按关键点做几何分解、正交投影保留非冲突分量，再用通道门控按置信度校准平行分量，最后用辛普森积分器驱动的哈密顿优化器提供受控动量。做跨域关键点/姿态迁移时可直接复用这套梯度解耦+动量稳定更新的训练流程。