SleepNet 与 DreamNet：用于统一视觉分类的特征丰富化与重构
机器学习
2026-04-09 v4 人工智能
计算机视觉与模式识别
摘要
在视觉理解任务中，有效地将丰富的特征表示与稳健的分类机制进行集成仍是一个关键挑战。本研究引入两种新型深度学习模型，SleepNet 与 DreamNet，旨在通过特征丰富化和重构策略来提高特征的利用率。SleepNet 将监督学习与来自预训练编码器的表示相结合，实现更强大且更稳健的特征学习。基于这一基础，DreamNet 集成了预训练的编码器-解码器框架，以重构隐藏状态，进一步实现视觉表示的深层整合与细化。我们的实验表明，与现有方法相比，我们的方法在持续获得优异性能，显示示了所提出丰富化和重构方法的有效性。
引用
@article{arxiv.2409.01633,
title = {SleepNet and DreamNet: Enriching and Reconstructing Representations for Consolidated Visual Classification},
author = {Mingze Ni and Wei Liu},
journal= {arXiv preprint arXiv:2409.01633},
year = {2026}
}