DRO-Augment缓解Mixup鲁棒性-校准权衡
热点事件持续更新
DRO-Augment缓解Mixup鲁棒性-校准权衡
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Jiaming Hu等作者提出DRO-Augment框架，将Wasserstein分布鲁棒优化（W-DRO）与多种Mixup数据增强策略结合，用于缓解强Mixup增强带来的鲁棒性—校准权衡。 据作者报告，在CIFAR-10、CIFAR-100、CIFAR-10-C和CIFAR-100-C上，该方法大幅降低ECE（校准误差），同时基本保持损坏数据准确率。 除方法本身，论文还给出了理论边界，并提出新的CIFAR-C基准。
AI 根据报道生成 · 53 分钟前更新
最新进展10月7日 12:00
DRO-Augment：用 Wasserstein 分布鲁棒优化改善 Mixup 校准报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.LGDRO-Augment：用 Wasserstein 分布鲁棒优化改善 Mixup 校准
DRO-Augment 将 Wasserstein 分布鲁棒优化（W-DRO）与多种 Mixup 数据增强策略结合，缓解强 Mixup 增强带来的鲁棒性—校准权衡：在 CIFAR-10、CIFAR-100、CIFAR-10-C 和 CIFAR-100-C 上大幅降低 ECE，同时基本保持损坏数据准确率。
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。