few-shot 第7页

Learning to Customize Model Structures for Few-shot Dialogue Generation Tasks

LearningtoCustomizeModelStructuresforFew-shotDialogueGenerationTasksAbstract对于开放域对话系统来说在小数据集上训练生成模型是一件比较困难的事情。已经存在的meta-learning，它通过在非目标任务上进行预训练然后在目标任务上进行参数微调。但是，微调从参数的角度区分了任务，但忽略了模型结构的，导致对于不同任务却产生了相似

hqing159·2022-12-13 09:11

Few-Shot 小样本学习论文检索

ReferencesDiscriminativek-shotlearningusingprobabilisticmodels.arXivpreprintarXiv:1706.00326(2017)Acloserlookatfew-shotclassification.In:ICLR(2019)【已读】Diversitywithcooperation:Ensemblemethodsforfew-sh

TBYourHero·2022-12-13 06:55

Dynamic Few-Shot Visual Learning without Forgetting||论文阅读

元学习论文总结||小样本学习论文总结2017-2019年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017-2019阅读1：https://blog.csdn.net/few_shot/article/details/90048319阅读2：https://blog.csdn.net/gby

TBYourHero·2022-12-13 06:55

2020论文阅读：Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector

文章目录文章贡献1.绪论2.有关研究2.1GeneralObjectDetection2.2Few-shotlearning3.FSOD:AHighly-DiverseFew-ShotObjectDetectionDataset4.Methodology4.1问题定义4.2Attention-BasedRegionProposalNetwork4.2.1Attention-BasedRegionP

skipper-f·2022-12-13 06:52

【论文理解 AAAI 2021】A search based fine-tuning strategy for few-shot learning

内容概览前言一、整体思想1.研究背景2.微调策略设计二、算法流程1.训练特征提取器2.遗传算法选择最优学习策略3.新类上的微调三、实验结果总结前言这篇文章被AAAI2021录用，于2021年2月挂在arxiv上，在arxiv上面的题目是PartialIsBetterThanAll:RevisitingFine-tuningStrategyforFew-shotLearning，论文的一作来自卡内基

辣椒油li·2022-12-13 06:21

Dynamic Few-Shot Visual Learning without Forgetting

摘要人类视觉系统有显著的能力去毫不费力的从零样本示例中学习新颖概念。机器学习视觉系统上模仿相同的行为是一个有趣的非常具有挑战性的研究问题，这些研究问题有许多实际的优势在真实世界视觉应用上。在这篇文章中，我们目标是去设计一个零样本视觉学习系统。（afew-shotvisuallearningsystem）.在整个测试阶段，其有能力从一些训练数据中有效的学习新颖类别。于此同时，其将不会遗忘其被训练的初

big_matster·2022-12-13 06:17

距离你解决小样本/少数据难题，只差这篇文章

小样本学习变体Zero-ShotLearning(ZSL)One-Shot和Few-Shot小样本学习方法数据级方法参数级方法Few-Show目标检测YOLOMAML小样本解决方法进阶总结如今，在使用数十亿张图像来解决特定任务方面

cv君·2022-12-13 02:05

Relational Learning with Gated and Attentive Neighbor Aggregator for Few-Shot Knowledge Graph Comple.

小样本知识图补全——关系学习。利用三元组的邻域信息，提升模型的关系表示学习，来实现小样本的链接预测。主要应用的思想和模型包括：GAT、TransH、SLTM、Model-AgnosticMeta-Learning(MAML)。论文地址：https://arxiv.org/pdf/2104.13095.pdf引出在WIkidata数据集中，有超大约10%的关系只被不超过10个的三元组所包含，所以要用

cnblogs.com/qizhou/·2022-12-12 20:06

【小样本分割】MSANet: Multi-Similarity and Attention Guidance for Boosting Few-Shot Segmentation

文章链接：MASNet代码链接：MSANet-code摘要小样本分割的目的是在只有少量密集标记样本的情况下分割看不见的类对象。原型学习，即从支持图像中提取的特征通过平均全局和局部对象信息生成单个或多个原型，已广泛应用于FSS。然而，仅利用原型向量可能不足以表示所有支持图像的特征。为了提取丰富的特征并进行更精确的预测，我们提出了一种多相似性和注意力网络（MSANet），包括两个新模块，一个多相似性模

栗子菜菜·2022-12-11 16:17

【CVPR2022】【小样本分类和分割】Integrative Few-Shot Learning for Classification and Segmentation

用于分类和分割的综合小样本学习文章目录Abstract一、Problemformulation二、IntegrativeFew-ShotLearning(iFSL)三、5.Modelarchitecture四、实验Abstract本文介绍了小样本分类和分割(FS-CS)的综合任务，即whenthetargetclassesaregivenwithafewexamples，对查询图像中的目标对象进行

JOJO-XU·2022-12-11 16:45

【开集识别论文解读】Few-Shot Open-Set Recognition using Meta-Learning——CVPR2020

论文原文：https://arxiv.org/abs/2005.13713本文介绍了一种新的开集元学习算法（PEELER）算法，实验结果表明，PEELER在小样本和大规模识别方面都达到了最先进的开放集识别性能。1.Introduction开集识别目前主要的研究是在大规模环境中，使用基于大规模分类器的解决方案。这些尝试通过后处理后验类分布来识别新类，定义一个“拒绝”类，该类使用人工生成的示例或从训练

努力学习滴兔兔·2022-12-10 19:43

Meta-DETR: Few-Shot Object Detection via Unified Image-Level Meta-Learning论文笔记

Meta-DETR一、摘要二、引言三、Method1、网络结构一、摘要先前的小样本目标检测都是基于刚开始生成的好的regionproposals，但是这在小样本检测中很难获得到。本文提出了Meta-DETR，它剔除了RPN，在图片级别利用元学习统一得到class和location，它首先将支持图像和查询图像编码为类别相关的特征，然后将它们输入与类别无关的解码器，以直接生成特定类别的预测。还设计了一

weixin_43981952·2022-12-10 18:32

Meta-DETR: Image-Level Few-Shot Object Detection with Inter-Class Correlation Exploitation个人理解和待解决疑问

get到的点该方法和传统meta小样本学习方法：之前的方法单次比对一个supportclass的相似度，本文同时比较所有supportclass，从而利用到了class之间的关联性；有些传统方法需要先保证生成正确的region，本文是全局搜索；misclassify的原因之一是一些外观类似的class在（余弦相似度）特征空间下距离很近，分类器没有学习到它们之间的关联性；理解一点点（针对自己不懂的地

qq_41064487·2022-12-10 18:31

自监督论文阅读笔记 Incremental-DETR：Incremental Few-Shot Object Detection via Self-Supervised Learning

增量少样本目标检测的目的是在不忘记基类知识的情况下检测出新类，只需从新类中提取少量标记的训练数据。之前的增量目标检测方法依赖于每个新类的丰富训练样本的可用性，这在很大程度上限制了新数据可能稀少的真实环境的可扩展性。Incremental-DETR（增量DETR）：通过对DETR目标检测器进行微调和自监督学习来进行增量少样本目标检测。为了缓解使用少量新类数据导致的严重过拟合，首先通过使用选择性搜索作

YoooooL_·2022-12-10 18:28

few-shot learning 基本概念及其网络模型

GOAL:totrainamodelonavarietyoflearningtasks,suchthatitcansolvenewlearningtasksusingonlyasmallnumberoftrainingsamples.引言：从人脸识别说起，若一个公司有50个人，需要做一个人脸识别系统。倘若按照传统的深度学习思想，那应该把识别结果分成51类（50个公司成员+1非公司成员）。那么要训练

liu_xfx·2022-12-09 02:22

few-shot segmentation 2022年数据

一、fss整合数据，在Pascal-5i上的结果MSANet（CVPR22）DCAMA（ECCV22）(pascal+coco)DGPNet(ICCV22)(pascal+coco)IPMT（NeurlPS22）DCP(IJCAI22)BAM(CVPR22)NTRENet(CVPR22)二、fss在COCO-20i上的结果MSANet（CVPR22）IPMT（NeurlPS22）DCP(IJCAI

师大云帆·2022-12-09 02:20

Few-shot learning（少样本学习，入门篇）

本文介绍一篇来自https://www.analyticsvidhya.com/关于少样本学习的的博客。原文地址文章目录1.少样本学习1.1为什么要有少样本学习？什么是少样本学习？1.2元学习和传统有监督学习的区别是什么？1.3一个小例子1.4再回来看少样本学习——从`supportset`到`query`2.少样本学习预测的准确率3.少样本学习的应用4.少样本学习的数据集5.我对少样本学习的一些

小学生mistluo·2022-12-09 02:19

Few-shot Segmentation 论文阅读总结

目录One-shot/Few-shotsegmentation一般任务设置paper1：One-ShotLearningforSemanticSegmentationBMVC2017paper2:CONDITIONALNETWORKSFORFEW-SHOTSEMANTICSEGMENTATIONICLR2018paper3：SG-One:SimilarityGuidanceNetworkforOn

jcli1_14·2022-12-09 02:45

论文阅读《Incremental Few-Shot Object Detection》

Background＆Motivation目标检测领域一阶段和二阶段的网络都不是增量学习的模式，本文的方法是基于一阶段的CentreNet。小样本分类任务的方法各式各样，其思想应该是小样本检测任务的创新源泉。文章提出了一个增量学习的范式（IncrementalFew-ShotDetection，iFSD）：使用Base数据完成对模型的预训练。这个模型部署到设备上后，设备应该能随时接收数据量很少的N

不说话装高手H·2022-12-09 02:41

【阅读笔记】Combat data shift in few-shot learning with knowledge graph

然而，在现实世界的应用中，few-shot学习范式经常受到数据偏移的影响，即不同任务中的样本，即使是同一个任务中，也可以从不同的数据分布中提取。

一只瓜皮呀·2022-12-08 19:09

Limited Data Rolling Bearing Fault Diagnosis With Few-Shot Learning(基于小样本学习的有限数据滚动轴承故障诊断)

LimitedDataRollingBearingFaultDiagnosisWithFew-ShotLearning基于小样本学习的有限数据滚动轴承故障诊断摘要这一篇文章主要研究有限训练数据下的轴承故障诊断问题。故障诊断中的一个主要挑战是，在所有工作条件下，无法为每种故障类型获取足够的训练样本。近年来，基于深度学习的故障诊断方法取得了可喜的成果。然而，这些方法大多需要大量的训练数据。在这项研究中

搬砖小孩Superme·2022-12-08 16:58

小样本学习记录————利用所有数据的元学习Few-shot Text Classification with Distributional Signatures

小样本学习记录————利用所有数据的元学习Few-shotTextClassificationwithDistributionalSignatures在计算机视觉中，低水平的模式是可以跨学习任务迁移的。然而，直接将这一方法应用于文本是具有挑战性的-词汇特征对一项任务具有很高的信息量，对另一项任务可能无关紧要。本文的模型不仅从单词中学习，还利用了它们的分布签名，这些签名编码了相关的单词并发模式。我们

云溪龙·2022-12-08 14:01

小样本学习记录————文本中特征空间的数据增强MEDA： Meta-Learning with Data Augmentation for Few-Shot Text Classification

MEDA:Meta-LearningwithDataAugmentationforFew-ShotTextClassification出发点数据增强球合成器合成模块Synthesismodule转换模块Transformationmodule损失函数球生成器部分损失函数元学习损失训练策略实验数据集结语出发点对于小样本学习文本分类问题中，限制其性能的主要原因之一是因为对于每一个类别有多种的表示方式。

云溪龙·2022-12-08 14:01

小样本学习记录————在提取特征中对抗的小样本Meta-Learning Adversarial Domain Adaptation Network for Few-Shot（MLADA）

小样本学习记录————在提取特征中对抗的小样本Meta-LearningAdversarialDomainAdaptationNetworkforFew-Shot（MLADA）Meta-LearningAdversarialDomainAdaptationNetworkforFew-Shot几篇经典文献元学习对抗性领域自适应网络(MLADA)网络结构训练过程算法效果Meta-LearningAdv

云溪龙·2022-12-08 14:31

元学习系列（四）：Matching Network（匹配网络）

对一个小孩子来说，只要你展示了一次斑马的样子，以后他就能指出什么是斑马了，整个学习的过程只有一个样本，但是对深度学习算法来说还远远达不到这种学习程度，所以研究如何通过小样本甚至一个样本进行学习，就成为了few-shot

JessssseYule·2022-12-08 14:24

小样本学习Few-Shot Learning——孪生网络Siamese Networks、匹配网络Matching Networks、原型网络Prototypical Networks 的简单总结

1.小样本学习Few-ShotLearning1.1小样本学习要解决的问题以图片分类这个任务举例，使用神经网络模型的传统做法是：先使用大量带标签的猫和狗的图片训练模型，然后让训练好的模型给不在训练集中的猫和狗的图片做分类，去预测输入的图片是猫还是狗。而在很多领域的现实应用中，并没有足够的带标签的图片可供模型训练，可能每个类别只有几十个、甚至几个带标签的样本，此时我们希望模型可以根据这些少量样本就学

Hanjieee·2022-12-08 14:23

one/few-shot segmentation 笔记

Task对某一类别c1，选择已有标注的样本作为support，待测样本为query，model以support为参考去分割query。C-wayK-shot：C为类别数；分割每个query使用K个supportimagesSolution提取support和query的feature，将两者的feature进行比对。训练时借助其他类别的标注数据去训练model。数据集pascal-5i每个sub-

DreamLike_zzg·2022-12-08 13:36

AAAI2021中事件抽取、关系抽取、NER、NLP相关的Few-Shot和Zero-Shot论文整理

小编整理了其中有关事件抽取、关系抽取、NER、以及与NLP问题相关的Few-Shot和Zero-Shot相关论文题目，希望能对大家的研究有一点帮助嗷!

御风而行Carrie·2022-12-08 13:36

FSCIL论文详解 Few-Shot Class-Incremental Learning， CVPR2020

CVPR2020论文地址：https://arxiv.org/pdf/2004.10956.pdfCVPR2020本篇，FSCIL，西交大提出的。将NG网络运用到增量学习之中。ECCV2020，TPCIL，也是西交大的同一个人发的，TopologyPreservingClass-Incrementallearning，同样的框架，即CNN+拓扑结构，部分内容换了一个写法。CVPR2021与本篇非常

祥瑞Coding·2022-12-08 12:41

论文阅读笔记《Few-Shot Class-Incremental Learning》

小样本学习&元学习经典论文整理||持续更新核心思想本文提出一种用于解决小样本类别增量学习（few-shotclass-incrementallearning,FSCIL）的算法（TOPIC）。首先解释一下什么是小样本类别增量学习，模型首先在一个大规模的基础数据集D(1)D^{(1)}D(1)上进行训练，然后会不断增加新的数据集D(t),t>1D^{(t)},t>1D(t),t>1，且数据集中的

深视·2022-12-08 12:40

深度学习异常检测_深度few-shot异常检测

入门,利用一些标记的异常实例执行异常通知的异常检测由于缺乏大规模的标记异常数据，现有的(深度或浅度)异常检测方法通常被设计为无监督学习(针对完全未标记的数据进行训练)或半监督学习(针对仅标记的正常数据进行训练)。结果，当在许多现实世界中的异常检测应用中可获得这样的信息时，他们难以利用先验知识(例如，一些标记的异常)。这些有限的标记异常可能源自已部署的检测系统，例如一些成功检测到的网络入侵记录，也可

Bin Ho·2022-12-07 23:54

Few-Shot Scene-Adaptive Anomaly Detection 少镜头场景的自适应异常检测

摘要我们解决了视频中的异常检测问题。目标是通过专门从正常视频中学习来自动识别异常行为。大多数现有方法通常需要大量数据，并且泛化能力有限。他们通常需要在目标场景的大量视频上进行训练，才能在该场景中取得良好的效果。在本文中，我们提出了一个新的少镜头场景自适应异常检测问题，以解决以往方法的局限性。我们的目标是学会在以前看不见的只有几帧的场景中检测异常。这个新问题的可靠解决方案在现实世界的应用中将有巨大的

加一点点醋·2022-12-07 23:23

论文阅读笔记《Few-shot Classification via Adaptive Attention》

小样本学习&元学习经典论文整理||持续更新核心思想本文提出一种基于注意力机制的小样本学习算法。作者认为基于参数优化的元学习算法优化过程过于复杂，而基于度量学习的小样本学习算法，虽然更加简单有效，但缺少对于新任务的适应能力。本文利用注意力机制根据支持集图像的特征图和查询集图像的特征图，得到对应的注意力图(AttentionMaps)，将注意力图与查询集图像的特征图做逐元素相乘，得到了优化后的特征

深视·2022-12-07 23:23

异常检测 RegAD-Registration based Few-Shot Anomaly Detection 论文学习

摘要本文为少样本异常检测（FSAD），这是一种实用但尚未被研究的异常检测（AD），少样本意味着在训练中只为每个类别提供有限数量的正常图像。现有的少样本异常检测的研究主要使用的是一类别一模型学习范式，而类别间的共性尚未被探索。受人类探测异常的启发，将有问题的图像与正常图像进行比较，我们在这里利用配准，这是一种固有可跨类别泛化的图像对齐任务，作为代理任务来训练类别不可知的异常检测模型。在测试过程中，通

猛男技术控·2022-12-07 23:52

Paper Reading - 1、Registration based Few-Shot Anomaly Detection

RegistrationbasedFew-ShotAnomalyDetection:无需微调即可推广，上交大、上海人工智能实验室等提出基于配准的少样本异常检测框架RegAD的模型架构：ThemodelarchitectureoftheproposedRegAD.Givenpairedimagesfromthesamecategory,featuresareextractedbythreeconvo

Wood_Du·2022-12-07 23:22

【论文翻译】Meta Relational Learning for Few-Shot Link Prediction in Knowledge Graphs

【论文翻译】MetaRelationalLearningforFew-ShotLinkPredictioninKnowledgeGraphs（基于元关系学习的小样本知识图谱链接预测）2019年EMNLP摘要关系预测是一种重要的知识图谱补全，基于嵌入的方法对于知识图谱关系预测很有用，但对于只有少量的有效三元组来说效果甚微。本文采取了一种元学习框架（Mate-R）来实现常见缺富有挑战性的小样本知识图谱

fadeGR·2022-12-07 22:06

目标检测：SmartDet、Miti-DETR和Few-Shot Object Detection

关注并星标从此不迷路计算机视觉研究院公众号ID｜ComputerVisionGzq学习群｜扫码在主页获取加入方式论文地址：SmartDet：https://arxiv.org/pdf/2201.04235.pdfMiti-DETR：https://arxiv.org/pdf/2112.13310.pdfFew-ShotObjectDetection：https://arxiv.org/pdf/22

计算机视觉研究院·2022-12-07 19:32

Prototypical Networks for Few-shot Learning

摘要我们为零样本分类问题提出了一个原型网络。在这里分类器必须能够被泛化到新类别（在训练集中不可见），每个新类只给出少量示例。原型网络能够学习一个度量空间，通过计算每个类别的原型表示距离实现分类。与少样本学习近几年的研究方法相比：它们反应了一种更简单的归纳误差，在这种有限数据的情况下是有溢的，并取得了出色的效果，我们提供的分析表明，与最近涉及复杂架构选择和元学习的方法相比。一些简单的设计决策能够产生

big_matster·2022-12-06 11:35

论文解读3 TRX《Temporal-Relational CrossTransformers for Few-Shot Action Recognition》少镜头动作识别 CVPR2021

Temporal-RelationalCrossTransformersforFew-ShotActionRecognition用于少镜头动作识别的时间关系交叉变换器使用CrossTransformer注意力机制来构建类原型，以观察所有支持视频的相关子序列本文中，关注K>1的K-shot，即支持集包含多个视频流程图如上，也比较好理解。准备：C-wayK-shotQ＝{q1，··，qF}是具有F个均

FezzzzzZ·2022-12-04 17:33

论文解读4 STRM《Spatio-temporal Relation Modeling for Few-shot Action Recognition》少镜头动作识别 CVPR2022

Spatio-temporalRelationModelingforFew-shotActionRecognition少镜头动作识别的时空关系建模文章链接：https://arxiv.org/abs/2112.05132C-wayK-shotL帧第一步：常规操作，L视频帧通过图像特征提取器，该提取器输出空间分辨率为P×P的D维帧特征，对帧特征进行空间展平，维度变为p2×D（reshape）第二步:

FezzzzzZ·2022-12-04 17:02

Few-shot Learning(小样本学习) 之Siamese Neural Network(孪生神经网络)

在往期的神经网络中，我们训练样本的时候需要成千上万的样本数据，在对这些数据进行收集和打标签的时候，往往需要付出比较多的代价。比如我们需要采集某个型号的设备开启时一段时间内的信号，那么我们需要对该种型号的设备，开启成千上万次，才能采集到那么多电信号用来训练，这无疑对我们的设备造成损害。因此，使用更少的样本学习到更多的特征，成为机器学习所追求的目标之一。常说的one-shotlearning和fe

weixin_1822045735·2022-12-04 14:11

元学习 & Meta Learning & Few-Shot Learning 二 || 孪生网络 (Siamese Network)

名字叫孪生神经网络，但是实际上只有一个网络训练孪生网络的方法(两个)方法一：每次取两个样本，比较他们的相似度训练这个大的神经网络需要一个大型数据集，每一类要有标注正负样本的设置，同一类放两张图片，标签为1(相似度满分)；不同类抽取两张图片，标签为0神经网络的搭建图片经过卷积后展开为长向量这边h1和h2是同一个神经网络得到的结果，相减后求绝对值得到Z，再进全连接层到1个输出，最后sigmoid函数激

Anthony_CH·2022-12-04 12:53

Registration based Few-Shot Anomaly Detection

RegistrationbasedFew-ShotAnomalyDetectionpaper:https://arxiv.org/abs/2207.07361code:https://github.com/MediaBrain-SJTU/RegAD摘要目前为止，现有的FSAD研究遵循标准AD使用的每类别一个模型的学习范式，并且尚未探索类别间的共性。受人类如何检测异常的启发，通常将图像与正常图像进行

条竿儿毛好·2022-12-01 22:43

Few-Shot Learning Record

文章目录WhyFSLTraditionalmodelsRealWorld=>FSLChallengesforNLPFSLFunctionWheretochooseFSLDifineFSLApprochData-levelApproachDistanceSupervisionmultiple-instancelearningParameter-levelApproachMeta-learningMe

rainbow_lucky0106·2022-12-01 19:54

fewshot_NER:SpanProto: A Two-stage Span-based Prototypical Network for Few-shot Named Entity Recogni

Introduction我们提出了一个开创性的基于跨度的原型网络（SpanProto），它通过一个两阶段的方法来解决少量的NER问题，包括跨度提取和提及分类。在跨度提取阶段，我们将顺序标签转化为全局边界矩阵，使模型能够专注于明确的边界信息。对于提及分类，我们利用原型学习来捕捉每个标记的跨度的语义表示，并使模型更好地适应小说类实体。模型分为两个部分，通过表填充方式解决mention识别问题，使用原型

等景，不如找景·2022-12-01 11:25

论文复现—1—A Simple yet Effective Relation Information Guided Approach for Few-Shot Relation Extraction

论文阅读笔记在笔记本上，整体流程在笔记本上做推导，不在电子版存稿了。较为简单。数据加载：我设置5-way-5-shot.pid2name:描述了relation的name和relationdescription。报错提示：显卡不够。我感觉，作者在fewrel数据集上做的实验，更多是为了测试领域迁移下，模型的性能。在一些其他小样本数据集上的实验，可能是真的N-way-k-shot，和fewrel数据

等景，不如找景·2022-12-01 11:55

小样本关系分类（原型学习）：Better Few-Shot Relation Extraction with Label Prompt Dropout

BetterFew-ShotRelationExtractionwithLabelPromptDropoutcoreidea在小样本关系分类中，prompt信息是relationname是信息，这篇文章为了保持train和test的一致性，将train中的一些relationname信息删除掉了。（相反，我们提出了一种称为标签提示剔除的新方法，它在学习过程中随机剔除了标签描述）Modelintro

等景，不如找景·2022-12-01 11:54

ECCV 2022 Cross-Domain Few-Shot Semantic Segmentation

PaperLink：Cross-DomainFew-ShotSemanticSegmentationCodeandDatasets：GitHubPaper的主要创新点总的来说呢，就是解决了小样本分割学习中由于domainshift而导致模型效果较差的问题，提出了可以迅速适应unseendomains的PATNet（Pyramid-Anchor-Transformationbasedfew-shot

脑瓜嗡嗡0608·2022-12-01 07:12

【学习笔记】李宏毅2021春机器学习课程第7.3节：自监督学习（三）

2.1“Few-shot”Learning2.2“One-shot”Learning2.3“Zero-shot”Learning3GPT模型在语音和影像上的应用3.1Image——SimCLR3.2Image-BYOL3.3SpeechApplication1

Harryline-lx·2022-11-30 22:53

＜＜视觉问答NeurIPS＞＞2021：Multimodal Few-Shot Learning with Frozen Language Models

金克丝、·2022-11-30 19:44

推荐频道

few-shot