arXiv · 机器人与计算机视觉· Suryansh Talukdar, Jin Soung Yoo·· 17 天前AI 评分33
OT-CAL:基于最优传输的自适应样本选择提升视觉学习效率
OT-CAL: Optimal-Transport-Guided Adaptive Sample Selection for Efficient Visual Learning
AI 导读
OT-CAL 提出一种无需人工调度、通过最优传输匹配自动调整采样偏好的数据选择方法,在三个标准基准上选取 50% 小批量时,相比 AdaSelection 性能提升 1.3--2.1 个点且训练速度达全量数据的 1.18--1.24 倍。该方法利用难度、可学性和不确定性等特征构建课程向量形成反馈闭环,已提交至 IEEE BigData 2026 Workshop on Efficient AI。
来源:arXiv · 机器人与计算机视觉 · arxiv.org