VICIS 用示例集学习定制图像嵌入，不再追求通用特征
serrjoa · x · 2026-07-24
研究者提出了 VICIS，一种新的表示学习方法：用示例集来定义一个只关注“真正重要信息”的定制嵌入空间。
它的出发点是：很多现有表示学习方法会尽量保留图像里的所有信息，而 VICIS 只保留任务真正需要的视觉信号。作者强调，这在“更容易拿图来示范，而不是用语言描述”的场景里尤其有用；目前 代码和权重已经开放。
「研究」频道最新
- NeurIPS 式激励正把 AI 研究推向更保守的同质化 — serrjoa · 2026-07-24
- Cisco 开源 Antares 小模型，专做漏洞定位，参数只有 350M 到 3B — huggingface · 2026-07-24
- BeingBeyond 推出 Being-M0.7，用视频学动作并在 Unitree G1 上超越旧方法 — jiqizhixin · 2026-07-24
- 斯坦福分析 5 亿字法规：加州行政报告要求 25 年激增 400% — StanfordHAI · 2026-07-24
- NeurIPS 审稿被指大面积造假：60% 评审疑由 ChatGPT 生成 — graph_ · 2026-07-24
- SN44 上线卡牌分级挑战，五项视觉指标单独评分 — bittingthembits · 2026-07-24