标签：表征对齐
精准识别「界门纲目科属种」！北大彭宇新团队用细粒度树先验提升泛化，破解生物类别分层识别难题
本文提出一种名为TARA（Taxonomy-Aware Representation Alignment）的分类感知表征对齐方法，旨在解决多模态大模型在分层视觉识别任务中缺乏类别树知识导致的...
谢赛宁REPA得到大幅改进，只需不到4行代码
反直觉的发现颠覆了传统认知：驱动生成模型性能的关键因素并非预训练视觉编码器的全局语义信息（如ImageNet分类准确率），而是其提取的空间结构特征。一项由A...
扩散模型训练方法一直错了！谢赛宁：Representation matters
纽约大学的研究者谢赛宁及其团队提出了一种名为REPresentation Alignment（REPA）的表征对齐技术，旨在简化训练扩散Transformer的过程。该技术通过将预训练自...
