跳到正文
arXiv · 机器人与计算机视觉· Junwon You, Mihyun Jang, Sangwoo Mo, Jae-Hun Jung·· 2026-10-15AI 评分35

ToMA:拓扑感知表示对齐框架提升半监督视觉语言学习性能

Topology-Aware Representation Alignment for Semi-Supervised Vision-Language Learning

AI 导读

ToMA 框架利用持久同伦将成对关系分解为$H_0$死亡与$H_1$生成,在不构建 2-单纯形的情况下实现跨模态全局结构对齐。实验显示该方法在遥感领域表现显著提升,时尚任务中分类准确率提高且困难查询的检索效果增强。分析表明 ToMA 相比其他拓扑目标提供更一致的增益,轻量级$H_1$边提供了有效的高阶结构信号。

来源:arXiv · 机器人与计算机视觉 · arxiv.org