跳到正文
arXiv · 机器人与计算机视觉· Jinchi Zhu, Tie Luo·· 9 天前AI 评分49

GB-SAE 通过门控瓶颈稀疏自编码器实现跨模型语义字典统一与特征复用

Learning a Unified Cross-Model Semantic Dictionary via Gated Bottleneck Sparse Autoencoders

AI 导读

GB-SAE 提出门控瓶颈稀疏自编码器框架,同时学习共享通用语义字典与各模型私有残差字典以解决表示异构问题。该方法在 ViT、SigLIP、DINOv2 及 ConvNeXt 等基础模型上验证了卓越的重组能力与跨模型可复用性,并支持未见模型的泛化。代码已开源,相关成果将在 NeurIPS 2026 会议呈现。

来源:arXiv · 机器人与计算机视觉 · arxiv.org