雅施达撒

Unsupervised Metric Learning 无监督度量学习算法只将一个(未标记的)数据集 $x$ 作为输入。目前，只有协方差算法（ Covariance），这是一个简单的基线算法(见下文

弱监督算法比有监督算法处理的数据点信息更弱。与标记点不同，他们将数据点元组的相似性判断作为输入，例如相似点和不相似点的对。 General API 输入数据 在下面的段落中，为了概括起见，以元组为主体

监督度量学习 监督度量学习以点$x$和标签$y$为输入，学一个距离矩阵，使同一类(分类)中的点或接近目标值(回归)中的点彼此接近，不同类别的点或远离目标值的点彼此远离。 General API 有监督

原文链接 什么是度量学习 许多机器学习的方法需要测量数据点之间的距离。传统上，从业者会根据领域的先验知识选择一个标准距离度量(例如欧几里德，城市街区，余弦等)。然而，通常很难设计出非常适合特定数据和感

Multi-Modal Distance Metric Learning 简介 随着社交媒体的快速发展，多模态数据正在急剧增加，本文提出了一种有效的、可扩展的多模态距离度量学习框架。该方法基于mult

简介 文章提供了一份关于多模态智能模型与训练方法的技术总结，主要关注与CV和NLP的组合，为了提供一个结构化的透视图，根据三个关键主题组织了这次技术回顾：表示、融合和应用： 输入数据的学习表示是深度学

简介 多模态学习的目标是处理和联系不同模态（如图像，文本和音频等）间的数据，本文主要针对双模态数据，特别是图像和文本间的跨模态检索研究，跨模态学习的一个关键挑战是模态的异质性ーー缺乏来自不同模态数据间

多模态图像-图像转换网络 Pix2pix 和 Pix2pixHD Pix2pix 是最早使用条件GAN (cGAN)框架进行图像-图像转换的工作之一，它的目的是学习一个生成器，让一个输入图像$x$（例

原文链接 背景知识 多任务学习 多任务学习的目标是：从一个特定任务中发掘可以适用于其他任务的特征表示方法。场景分类、语义分割、字符识别、深度估计等多任务都可以通过一个RGB图像的单一模态输入来解决，这