QPredSGG以量子分类头压缩谓词特征
热点事件持续更新
QPredSGG以量子分类头压缩谓词特征
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Prerana Ramkumar、Nouhaila Innan和Muhammad Shafique提出QPredSGG，用混合量子QP-Head替换场景图生成模型CFEN的经典谓词头，并以类别平衡加权交叉熵训练；4量子比特配置下，mR@100为57.25%，高于CFEN标准训练的41.1%。 在与加权经典模型的对照消融中，QPredSGG的全局召回比2048维经典基线低0.19个百分点，但头部特征空间缩小128倍。该配置将4096维对象对特征压至16维量子输入，使用96个可训练量子参数。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
QPredSGG：用于长尾场景图生成的混合量子谓词学习报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningQPredSGG：用于长尾场景图生成的混合量子谓词学习
QPredSGG提出混合量子谓词分类器，以QP-Head替换CFEN经典谓词头，并用class-balanced WCE训练。4-qubit配置将4096维特征压至16维量子输入，mR@100达57.25%，高于CFEN标准训练的41.1%；消融显示其相较2048维WCE经典基线，全局召回仅低0.19pp，但头部特征空间小128x。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。