待验证50% 置信观点精确时间

SCARCE的核心贡献在于将图OOD泛化从标签依赖中解放出来，为标签稀缺的图学习场景提供了可行路径。

1

来源数

50%

置信度

长期有效

时效性

2026/10/22

首次发现

来源

SCARCE：无标签图泛化如何实现隐式特征重加权

涉及实体

相关事实

待验证语义搜索的匹配质量强依赖图标原始标签的丰富程度，标签少的图标语义扩展空间有限70% 相似待验证SCARCE的理论联系揭示了对抗混淆与特征重加权之间的等价性，为理解无标签泛化提供了新视角。68% 相似待验证CLIP 用对比学习（Contrastive Learning）替代了此前的监督分类范式，通过最大化匹配图文对相似度、最小化不匹配对相似度进行自监督学习67% 相似待验证文本嵌入将角色视觉特征编码为高维向量直接注入模型，无需额外训练，推理更快但对参考图质量和数量要求更高67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1084224

API

curl https://kongchang.com/api/v1/knowledge/claims/1084224

MCP

get_claim(id=1084224)