论文地址:[2211.11727] Parametric Classification for Generalized Category Discovery: A Baseline Study (arxiv.org) 代码地址:CVMI-Lab/SimGCD: (ICCV 2023) Parametric Classification for Generalized Cat…
GMM由K个正态分布的component构成,在GCD中,只知道类别数量一定大于等于已知类别数K^l,因此可以先初始化类别数为K_{init}=K^l+\frac{K^l}{2}。然后使用semi-kmeans来确定每一个component的初始\mu,\Sigma。要实现类别数的变化,可以采用DeepDPM中提出的spliting-and-merging策略,首先,先对于每个component内部进行...
To address these challenges, we propose a novel computational framework, named AnnoGCD, building on Generalized Category Discovery (GCD) and Anomaly Detection (AD) for automatic cell type annotation. Our semi-supervised method combines labeled and unlabeled data to accurately classify known cell types...
PyTorch implementation of our paper: Active Generalized Category Discovery (CVPR 2024)New Setting 🌟To address the inherent issues of Generalized Category Discovery (GCD), including imbalanced classification performance and inconsistent confidence between old and new classes, we take the spirit of Active...
代码链接:DTennant/Incremental-Generalized-Category-Discovery (github.com) 摘要 我们探讨了增量通用类别发现(IGCD)问题。这是一个极具挑战性的增量分类学习问题,其目标是开发出能够正确分类以前所见类别图像的模型,同时发现新的类别。学习是在一系列时间步骤中进行的,模型在每次迭代时都会获得新的标记和未标记数据,并...
在本文中,我们研究了广义类别发现(Generalized Category Discovery,简称 GCD)问题,该问题旨在利用已知类别的标记数据知识,对来自已知和未知类别的未标记数据进行聚类。当前的 GCD 方法仅依赖于视觉线索,然而这忽略了人类在发现新视觉类别时多模态感知特性的认知过程。为了解决这一问题,我们提出了一个两阶段的 TextGCD 框...
论文链接:[2305.10420] CLIP-GCD: Simple Language Guided Generalized Category Discovery (arxiv.org) 目前未公布代码,idea有点意思,就是文章感觉还不太完整,可以蹲个完整版。 摘要 广义类别发现(GCD)需要一个模型来对未标记数据中的已知类别进行分类并对未知类别进行聚类。先前的方法利用自监督预训练结合对标记数据...
主领域——通用类别挖掘参数化分类器 ICCV2023|GCD|Parametric Classification for Generalized Category Discovery: A Baseline Study - 知乎 (zhihu.com)互信息损失改进 ICCV23|GCD|Parametric Information Maxi…
论文链接:[2212.05590] PromptCAL: Contrastive Affinity Learning via Auxiliary Prompts for Generalized Novel Category Discovery (arxiv.org) 代码链接:github.com/sheng-eatama 摘要 尽管现有的半监督学习模型在无标注分布内数据的学习上取得了显著的成功,但由于其闭集假设,它们大多无法对从新语义类中采样的无标记数...