跳到正文
arXiv · 机器人与计算机视觉· Tan-Ha Mai, Hsuan-Tien Lin, Vu Nguyen·· 2026-10-20AI 评分58

CAVA:一种感知互补标签的数据估值方法

CAVA: Complementary-Label-Aware Data Valuation

AI 导读

针对互补标签学习中因语义错配导致的光流传输估值失效问题,论文提出 CAVA 方法。该方法引入互补标签成本与边距机制,在无需参数阈值的情况下即可检测对角噪声,并将识别出的有害样本回收为普通监督信号。实验表明,CAVA 能近乎完美地分离合成数据与人标注中的对角噪声,且仅需少量干净验证集即可提升所有评估的互补标签学习目标,证明了显式建模互补监督语义后光流估值的有效性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org