CARE：师生蒸馏的细粒度视觉分类框架
热点事件持续更新
CARE：师生蒸馏的细粒度视觉分类框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究者 Ruibo Wen、Hang Shao、Yiming Lei 提出 CARE 框架，通过师生蒸馏实现可解释的细粒度视觉分类：学生模型按类别分别学习注意力并保留最终预测与解释，训练时另设一个教师模型，读取选定的 DINOv2 中间层，把多层表示融合后经 logit 标准化的类别判别知识传给学生，教师只在训练阶段参与。 据该论文称，在冻住骨干网络的前提下，CARE 在 CUB 数据集上取得 78.5% 的 Top-1 准确率。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
CARE：基于师生蒸馏的约束注意力精炼用于细粒度视觉分类报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.AICARE：基于师生蒸馏的约束注意力精炼用于细粒度视觉分类
研究者提出 CARE，一个通过师生蒸馏实现可解释细粒度识别的约束注意力精炼框架，在 CUB 数据集上以冻结骨干网络达到 78.5% Top-1 准确率。该框架在类别专属注意力学生模型中保留最终预测与解释，并引入仅在训练时使用的辅助查询教师，读取选定的 DINOv2 中间层，将多层级表示融合后的 logit 标准化类别判别知识传递给学生。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。