zhaihaotian

摘要： 随着CLIP的出现，如何将大规模预训练的模型高效地迁移到小样本的下游任务中，成为了一个新的挑战。 根据方法策略的不同可以分为两类：Prompt-based方法和Adapter-based方法。Prompt-based和Adapter-based方法中，我们又可以根据梯度是否经过编码器，将其细分为两类 阅读全文

摘要： Contrastive Learning Improves Model Robustness Under Label Noise 2021 观察： 监督的鲁棒学习方法在有噪音的时候下降明显 半监督的鲁棒学习能利用无标签的数据取得更好的效果 那么 监督的鲁棒学习方法的性能下降是由标签噪音引起的，还是不 阅读全文

摘要： Motivation : 1.改进自然图像的插值质量：现有的图像插值方法，尤其是那些基于扩散模型的方法，通常在处理非模型生成的自然图像时遇到困难。这些方法往往不能有效地处理自然图像中的复杂和多样的噪声分布，导致插值结果不自然或有明显的图像伪影。 2.处理编码噪声的无效性：在图像插值过程中，图像首先被 阅读全文