日团队提出 FDSML，无需真实图像预训练提升图像检索

日本研究团队（含 FractalDB 作者 Hirokatsu Kataoka 等）提出的 FDSML（公式驱动监督度量学习）论文被 WACV 2027 接收。该方法利用 FractalDB 的分形生成参数作为监督信号，把传统基于分类的合成数据预训练扩展为度量学习，无需任何真实图像即可完成预训练。实验显示在 Stanford Cars 检索任务上 Recall@1 提升 22.2 个百分点。

2026-10-31 ~ 2026-10-31 · 2 条相关

• FDSML 论文被 WACV 2027 接收：分形参数做度量学习，Stanford Cars 检索提升 22.2pt — HirokatuKataoka · 2026-10-31
• 无需真实图像预训练：FDSML 让图像检索 Recall@1 提升 22.2 点 — HirokatuKataoka · 2026-10-31