arXiv 机器学习· Sean Bin Yang, Zongyi Xu, Jilin Hu, Ying Sun, Kristian Torp, Bin Yang, Torben Bach Pedersen, Christian S. Jensen·· 9 小时前AI 评分34
重新思考城市表征学习中的多视角融合
Rethinking Multi-View Fusion for Urban Representation Learning
AI 导读
针对城市表征学习中模态效用差异与多目标梯度不平衡问题，研究人员提出了自调整多视角学习框架 PRISM。该框架采用稀疏 MoE 路由学习区域特异的视角分配，并借助 PID 启发式调节机制缓解优化中的梯度冲突。在 3 个大规模城市数据集上的实验表明，PRISM 相比强多视角基线具有竞争力的性能，优化过程更稳定且区域表征更均衡。
来源：arXiv 机器学习 · arxiv.org