Tag · 3 篇
策略梯度
分布 自监督与表征学习13D 视觉与重建1生成模型与扩散1
01 02 03
面向恶劣条件下域自适应语义分割的启发式自步学习
Heuristic Self-Paced Learning for Domain Adaptive Semantic Segmentation under Adverse Conditions
把课程学习建模为序贯决策问题，用高维状态编码器+策略梯度自动调度类别学习顺序，可直接迁移到任何需要按难度/信息量安排训练样本的视觉任务（如域自适应检测、分割）。
从图像对到序列：面向关键点检测的轨迹感知策略梯度
From Pairs to Sequences: Track-Aware Policy Gradients for Keypoint Detection
把关键点检测从图像对监督改为序列上的强化学习决策过程，用轨迹质量奖励驱动策略梯度，可直接用于 SfM/SLAM 前端特征点训练，提升长时序跟踪稳定性。
通过REINFORCE与James-Stein收缩设计实例级采样时间表
Designing Instance-Level Sampling Schedules via REINFORCE with James-Stein Shrinkage
提出一种模型无关的后训练方法，通过单次Dirichlet策略学习实例级采样时间表，并利用James-Stein估计器构建奖励基线以降低梯度方差，可即插即用地提升冻结文本到图像扩散模型的文本对齐和少步生成质量。