ICLR 2023 Oral | 漂浮感知动静神经搜集加持，光阴域泛化新框架远超范围泛化&适应方式
在范围泛化 (Domain Generalization, DG) 任务中，当范围的散布随环境连续变革时，如何准确地捕捉该变革以及其对模型的影响是非常重要但也极富挑战的课题。为此，来自 Emory 大学的赵亮教授团队，提出了一种鉴于贝叶斯实际的光阴域泛化框架 DRAIN，利用递归搜集进修光阴维度范围散布的漂浮，同时通过动静神经搜集以及图生成技术的结合最大化模型的表达能力，实现对现在未知范围上的模型…- 7
- 0
光阴
扫码打开当前页
- ￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×