10:40arXiv cs.LG@Nathanaël Jacquier, Maria Vakalopoulou, Mahdi S. Hosseini这篇论文提出两种可与Top-k稀疏自编码器架构兼容的稀疏正则化方法:对未选中单元的L1惩罚和尺度不变的L1/L2比率惩罚。在2个数据集、3个视觉基础模型和多种k值下,两种正则化均一致改善单语义性而不降低重构质量。L1/L2惩罚进一步将信息集中到更少潜在单元中,使重构对推理时k的选择更具鲁棒性,并提升小预算线性探测性能。核心发现是硬性架构稀疏性与软性稀疏正则化互补而非互斥。论文Top-k SAE稀疏自编码器可解释性视觉基础模型正则化推荐理由:这篇论文给Top-k稀疏自编码器加了两种正则化方法,能让模型更可解释而且重构质量不降,值得做可解释性的人看看。原文
10:41arXiv cs.AI@Elouan Gardès, Seung Eun Yi, Kartik Ahuja, Théo Moutakanni, Huy V. Vo, Piotr Bojanowski, Wolfgang M. Pernice, Loïc Landrieu, Camille Couprie论文提出一种无标签方法 FINO,利用元数据(如拍摄条件、地理位置等)以自监督方式将通用视觉基础模型适配到专业科学领域。该方法结合自监督学习与灵活的元数据引导,能处理离散和连续元数据,保留有用信息并抑制噪声。在亚细胞荧光显微镜、地球观测、野生动物监测和医学影像等多个领域,FINO 超越了标准无监督域适应和全监督适应方法,甚至超过了高度专业化的领域特定模型。该方法无需任务标签进行骨干网络适配,仅需轻量级分类头进行监督,解决了科学领域标签稀缺和模型泛化性下降的问题。论文视觉基础模型无监督域适应元数据科学图像自监督学习推荐理由:科学图像分析团队终于有了不用手动标注就能适配大模型的方法——FINO 用已有的元数据就能提升效果,做显微镜、卫星或医学影像的开发者可以直接试试。原文
13:27arXiv cs.AI@Jonathan A. Diller, Fernando Cladera, Camillo J. Taylor, Vijay Kumar精选传统无人机自主搜索依赖几何覆盖模式,忽略目标语义,在大规模环境中效率低下。LMPath 提出一种新流程:给定地理围栏和目标描述,先用生成式语言模型判断目标可能出现的区域,再用视觉基础模型对卫星图像分割,形成语义探索先验。基于该先验,可生成多种无人机路径,如最小化预期搜索时间、在有限航程内最大化发现概率,或缩小搜索范围到最可能区域。真实无人机和仿真实验表明,LMPath 生成的路径在搜索任务中显著优于传统规划方法。论文无人机语义搜索路径规划语言模型视觉基础模型推荐理由:无人机搜索终于有了语义理解能力——LMPath 用语言模型和视觉模型替代纯几何覆盖,做搜救、巡检、环境监测的团队可以直接参考,实测效率提升明显。原文