跳到正文
热点事件观察中

DeCO 方法实现细粒度数据集蒸馏

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

研究团队提出判别性证据组合(DeCO)方法,将其定义为预算约束下的判别性证据保留。该方法利用预训练 TransFG 教师模型的注意力展开识别信息区域并构建类级证据库。 在 CUB-200-2011、FGVC-Aircraft 和 Stanford Cars 数据集上,DeCO 在不同 IPC 预算下均优于代表性核心集与蒸馏基线。该研究作为 NeurIPS 2026 研讨会预印本于 2026 年 11 月 17 日公开于 arXiv,代码与权重未提及开放许可。

AI 根据报道生成 · 1 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. arXiv · 机器人与计算机视觉
    DeCO:细粒度数据集蒸馏中的判别性证据组合方法

    DeCO 将细粒度数据集蒸馏定义为预算约束下的判别性证据保留,利用预训练 TransFG 教师模型的注意力展开识别信息区域并构建类级证据库。在 CUB-200-2011、FGVC-Aircraft 和 Stanford Cars 数据集上,该方法在不同 IPC 预算下均优于代表性核心集与蒸馏基线。该研究作为 NeurIPS 2026 研讨会预印本公开于 arXiv,代码与权重未提及开放许可。

本事件热度走势

可比范围当前
4
可比范围峰值
811月17日 23:00
近 24 小时变化
-51%

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。