GloFND：全局范围在线发现假负样本
热点事件持续更新
GloFND：全局范围在线发现假负样本
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Vicente Balmaseda 等作者提出 GloFND，一种基于优化的自监督对比学习方法，在训练过程中为每个锚点数据自动学习阈值，从而在全局数据集范围而非 mini-batch 局部识别假负样本。 该方法称每次迭代的计算开销与数据集规模无关，并在图像和图文数据上的实验中验证了有效性。该工作已被 ICML 2025 接收，实现代码已开源。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
GloFND：自监督对比学习中全局假阴性动态发现方法报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.AIGloFND：自监督对比学习中全局假阴性动态发现方法
GloFND 提出一种基于优化的方法，在自监督对比学习训练过程中为每个锚点数据自动学习阈值，从而在全局数据集范围而非 mini-batch 局部识别假阴性样本。该方法每次迭代的计算开销与数据集规模无关，在图像和图文数据上的实验验证了其有效性。该工作已被 ICML 2025 接收，实现代码已开源。
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。