跳到正文
原文
arXiv 机器学习· Yaniv Shulman·· 2 天前AI 评分33

Relational Compression:受限表征中关系保真度的统一框架

Relational Compression: A Framework for Relational Fidelity in Constrained Representations

AI 导读

研究提出关系压缩(Relational Compression)框架,在经典“源-描述-重构”范式下将关系结构作为核心保真内容,为受限表征建立了统一表述。该框架整合了图摘要、谱稀疏化、相似性保持表征与关系知识蒸馏等方法,明确了各自的重构与资源假设。研究还开发了有限码字碰撞机制作为具体实现,并在图与图像任务中验证了其互补路径。

来源:arXiv 机器学习 · arxiv.org