
부분적으로 레이블된 데이터에서 인스턴스 간 긍정적 관계를 활용하여 표현 학습을 강화함으로써 알려진 범주와 알려지지 않은 범주를 모두 효과적으로 발견할 수 있는 프레임워크를 제안한다.


coremsg

일부-레이블된-데이터와-레이블되지-않은-데이터를-활용한-효율적인-일반화된-범주-발견-프레임워크


일부 레이블된 데이터와 레이블되지 않은 데이터를 활용한 효율적인 일반화된 범주 발견 프레임워크



제안된 방법은 평균 이동 알고리즘을 대조적 학습 프레임워크에 통합하여 이미지 인코더를 학습하여 더 나은 클러스터링 특성을 가진 표현을 생성합니다.



일반화된 범주 발견을 위한 대조적 평균 이동 학습



일반화된 범주 발견 작업에서 교사-학생 모델의 주의 집중을 정렬하여 학습 속도를 동기화하고 성능을 향상시킨다.



일반화된 범주 발견을 위한 교사-학생 주의 집중 정렬
