线上学习中的随机输入作为图像
计算机视觉与模式识别
2025-04-07 v1 人工智能
新兴技术
机器学习
摘要
在线学习场景中，变异特征空间（亦称 haphazard inputs）的研究日益活跃，因其在诸多领域具有广泛应用前景。然而，现有解决 haphazard inputs 的方法依赖特定模型，无法利用需要固定维度输入的先进深度学习方法。因此，我们提出将在线学习设置中的变异特征空间实时转换为固定维度的图像表示。这种简单而新颖的方法具有模型无关性，允许任何基于视觉的模型应用于 haphazard inputs，已在 ResNet 和 ViT 上进行验证。该图像表示能无缝处理不一致的输入数据，使所提方法具备可扩展性和鲁棒性。我们在四个公开数据集上验证了方法的有效性。代码已公开于 https://github.com/Rohit102497/HaphazardInputsAsImages。
引用
@article{arxiv.2504.02912,
title = {Haphazard Inputs as Images in Online Learning},
author = {Rohit Agarwal and Aryan Dessai and Arif Ahmed Sekh and Krishna Agarwal and Alexander Horsch and Dilip K. Prasad},
journal= {arXiv preprint arXiv:2504.02912},
year = {2025}
}
备注
Accepted at IJCNN 2025