全程可靠性传播：解耦注释与预测以实现鲁棒噪声标签学习
计算机视觉与模式识别
2026-05-21 v1
摘要
多媒体分类中的噪声标签学习常将外部注释与模型预测合并为单一可靠性权重，尽管两者可能因不同原因而失效。我们采用解耦方式估计可靠性：双层元学习为每个样本生成两个批归一化标量：alpha用于给定标签，beta用于伪标签，二者无需之和为一。全程可靠性传播（HRP）随后将其路由到不同目标，利用全局门控的可靠性感知Mixup处理输入分支，利用beta门控的伪标签正样本处理对比分支。在合成数据集和真实数据集上，HRP在强基准方法上实现平均准确率提升，并在最高噪声率下保持竞争性能。
引用
@article{arxiv.2605.20725,
title = {Holistic Reliability Propagation: Decoupling Annotation and Prediction for Robust Noisy-Label},
author = {Jingyang Mao and Ningkang Peng and Yanhui Gu},
journal= {arXiv preprint arXiv:2605.20725},
year = {2026}
}