跳到正文
arXiv · 机器人与计算机视觉· Andreas Schliebitz, Heiko Tapken, Martin Atzmueller·· 15 天前精选AI 评分78

RBFN 作为自监督学习中的投影头

Radial Basis Function Networks as Projection Heads in Self-Supervised Learning

AI 导读

本文论证在自监督学习中保留而非丢弃投影层是必要的,并提出用径向基函数网络(RBFN)替代标准多层感知机(MLP)。作者引入 Scale-Normalized Separation (SNS) 指标,利用训练得到的核中心与形状参数在无标签情况下评估骨干网络表示质量。

推荐理由

提出用可解释的 RBFN 替换 SSL 中的 MLP 投影头,并给出无标签质量评估指标 SNS。

来源:arXiv · 机器人与计算机视觉 · arxiv.org