CR-CE方法提升卷积网络上下文鲁棒性

1. 13:00
   arXiv · ML

   基于上下文正则化交叉熵提升卷积网络上下文偏移鲁棒性

   论文提出训练框架 CR-CE，结合新归因方法 ContrastiveCAMs 提升卷积网络在上下文偏移下的鲁棒性。 方法利用空间特征归因引导模型依赖物体特征而非背景，并在 Waterbirds、ImageNet 等数据集上验证了性能提升。 该成果已被 NeurIPS 2026 接受，展示了减少非因果上下文依赖的训练新路径。

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。