本文通过全局特征对齐和局部改进，在目标空间中，对局部特征对齐和局部改进，在视觉回归中的合成和真实数据之间的域间隙（例如6D姿势估计）被弥合，该分类在目标空间中对离散的锚定类别的粗分类，这将块的目标歧管施加到域名歧视中，将其施加到域名式的invariant表示学习中 ...

众所周知，多视图数据比单视图数据更具表现力，而多标签注释比单标签享有更丰富的监督信息，这使得多视图多标签学习广泛适用于各种模式识别任务。在这个复杂的表示学习问题中，可以将三个主要挑战表征如下：i）如何在所有观点中学习一致的样本表示？ ii）如何利用和利用多标签的类别相关性来指导推断？ iii）如何避免因观点或标签的不完整而产生的负面影响？为了解决这些问题，我们提出了一个一般的多视图多标签学习框架， ...

变形金刚在长度的概括方面挣扎，即使在基本任务上也表现出差的性能。我们测试是否可以通过自我注意机制的两个关键故障来解释这些局限性。首先是无法完全删除无关的信息 ...

大型语言模型（LLMS）及其强烈零主题提取功能提供了概率主题建模和封闭式主题分类方法的替代方案。作为零射门主题提取器，LLMS有望理解人类的说明，以根据给定的文档产生相关和非凝固的主题。但是，基于LLM的主题建模方法通常会面临困难，在人类指示中指定的粘附粒度的主题时，通常会导致许多近乎刻板的主题 ...

近年来，多视图多标签学习引起了广泛的研究热情。但是，由于数据收集和手动注释的不确定因素，现实世界中的多视标性数据通常是不完整的，这意味着不仅缺少多视图功能，而且标签完整性也很难得到满足。为了解决双重不完整的多视图多标签分类问题，我们提出了一个深层实例级的对比网络，即DICNET ...

作为一种完善的无监督技术，主题建模在自动检测文档语料库中的重要主题中广泛使用。但是，经典主题建模方法（例如 ...

视觉和语言导航（VLN）旨在通过整合视觉和语言提示来指导自主环境。尽管地面航行方面取得了显着进步，但使用这些模式探索航空导航仍然有限。这一差距主要是由于缺乏用于城市规模的航空导航研究的合适资源 ...

数据分析师长期以来一直致力于将非结构化文本数据转化为有意义的概念。虽然很常见，但主题建模和聚类侧重于较低级别的关键字，并且需要大量的解释工作。我们引入概念归纳，这是一种计算过程，它从非结构化文本中产生由显式包含标准定义的高级概念... ...