SuperDisco：超类发现改进长尾视觉识别
计算机视觉与模式识别
2025-06-17 v2
摘要
现代图像分类器在样本充足的类别上表现良好，而在仅有少量实例的尾部类别上性能显著下降。相比之下，人类能够轻松应对长尾识别挑战，因为他们可以基于不同层次的语义抽象来学习尾部表示，使学到的尾部特征更具判别力。这一现象促使我们提出 SuperDisco，一种利用图模型为长尾识别发现超类表示的算法。我们学习构建超类图以引导表示学习来处理长尾分布。通过在超类图上进行消息传递，图像表示根据超类之间的语义相似性关注最相关的实体，从而被校正和精炼。此外，我们提出在由少量不平衡数据构建的原型图监督下对超类图进行元学习。通过这种方式，我们获得了更鲁棒的超类图，进一步提升了长尾识别性能。在长尾 CIFAR-100、ImageNet、Places 和 iNaturalist 上一致的最先进实验证明了所发现的超类图对处理长尾分布的优势。
引用
@article{arxiv.2304.00101,
title = {SuperDisco: Super-Class Discovery Improves Visual Recognition for the Long-Tail},
author = {Yingjun Du and Jiayi Shen and Xiantong Zhen and Cees G. M. Snoek},
journal= {arXiv preprint arXiv:2304.00101},
year = {2025}
}
备注
Accepted by CVPR 2023