#弱监督学习

共 7 条 · 7 天 0 条 · 30 天 0 条

信息流里打上「弱监督学习」标签的资讯、产品与论文，按刊登时间排，新的在上。

8月26日

这项研究提出了一种新的方法，通过弱监督学习，从侧扫声纳图像中高效地制图海草栖息地，这对于海岸管理至关重要。与传统的手动标注方法相比，这种方法不仅速度快，而且成本低，值得一看。

arXiv cs.LG@Hayat Rajani 等 3 人原文

7月7日

这篇论文搞了个新训练方法，不用人工标数据就能把天文瞬变源和假信号分开，还自带靠谱的不确定度估计，对大型巡天项目很实用。

arXiv cs.AI@Raphaël Bonnet-Guerrini 等 8 人原文

6月12日

字体设计团队和AI生成研究者可以关注这个方案——它解决了少样本字体生成中全局与局部细节难以兼顾的痛点，直接提升字形质量和风格一致性。

arXiv cs.AI@Zian Yang, Zixin Wang原文

6月5日

论文精选12:02

做弱监督学习或医疗图像分析的团队，终于有了一个无需微调就能从少量标注包中学习的方案——单次前向传播搞定，值得直接试试。

arXiv cs.AI@Alexander Möllers 等 5 人原文

5月27日

论文精选10:50

做医学影像分析的团队终于有了一个简单有效的正则化技巧——Normal Guidance能显著提升弱监督下的切片定位精度，比现有MIL方法更准，建议做3D医学图像分类的开发者试试。

arXiv cs.LG@Ethan Harvey 等 3 人原文

5月26日

论文精选11:46

做异常检测或弱监督学习的团队终于有了统一评估工具——WSADBench用70万次实验戳破了三个方向各自为战的假象，看完你会重新思考该用专用算法还是通用模型。

arXiv cs.AI@Xu Yao 等 9 人原文

5月14日

论文精选13:27

做视频监控或异常检测的团队，不用逐帧标注就能定位异常区域，直接省下大量标注成本，值得关注。

arXiv cs.AI@Urvi Gianchandani 等 3 人原文