Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #5685

Vision Transformer (ViT)

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

2

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

LSA-PAST: экономичные адаптеры с переносом прототипов для композиционного инкрементального обучения

Статья (arXiv:2610.27203v1) предлагает LSA-PAST — метод, который встраивает LoRA-подобные адаптеры, специализированные по глубине, в замороженный ViT для состояний, объектов и композиций, и применяет безрепетиционный афинный преобразователь (PAST) для переноса прошлых прототипов в текущее пространство адаптеров, обеспечивая совместимость старых прототипов при появлении новых композиций; в экспериментах показан лучший компромисс между точностью и забыванием.

6.0

MODELS · 1 ИСТОЧН. · arXiv cs.AI

Адаптация DINOv3 ViT с помощью LoRA значительно улучшает распознавание целей в SAS; дальнейшие доработки не дают эффекта

В работе DINOv3 Vision Transformer адаптируют для подводного синтетического апертурного сонара (SAS) в задачах автоматического распознавания целей с помощью трёхступенчатой параметр-эффективной схемы: этап 1 — LoRA с замороженным бэконмом, этап 2 — hard-negative mining, этап 3 — Supervised Contrastive Learning (SupCon). На реальных морских данных с географическим разбиением миссий и сравнением при 85% recall (трёх повторов) LoRA (ранг 4) повысил AUPRC с 0.300 до 0.679 ± 0.027, обучая лишь 0.26% весов; этапы hard-negative и SupCon не дали заметного преимущества по сравнению с контрольными процедурами.

6.0