Symmetry without a manifold: intrinsic dimension on orbits
研究解决了标准维度估计器在有限群等距作用轨道上失效的问题，提出用指数函数替代幂律来描述隐藏宽度与分辨率的关系。
0 citationsRead paper
Selected work
Representative Papers
Structured Features Overfit Where Random Features Grok
研究探讨了在结构化特征图上，过参数化的岭回归不会出现记忆后泛化的延迟现象，并通过实验展示了特征几何而非容量比对模型性能的影响。
0 citationsRead paper
Runtime-Incremental Transformer for Reinforcement-Learning-Based Adaptive Control
本文提出一种在强化学习过程中动态增删注意力头的机制，解决了固定容量控制器在长记忆周期下易失败的问题。
0 citationsRead paper
Background-Free Objectness Learning for Class-Agnostic Detection
本文提出了一种无背景对象性学习方法B-FOR，通过预测密集多尺度对象中心和尺度场来解决类别无关检测中的对象性偏差问题。
0 citationsRead paper
SSMB: Self-Supervised Local Feature Detection under Motion Blur
本文提出SSMB，一种自监督关键点检测方法，通过局部可辨识性增强模块和两阶段训练解决运动模糊下的关键点检测问题。
0 citationsRead paper
Recent publications
Latest Papers
Symmetry without a manifold: intrinsic dimension on orbits
研究解决了标准维度估计器在有限群等距作用轨道上失效的问题，提出用指数函数替代幂律来描述隐藏宽度与分辨率的关系。
0 citationsRead paper
Structured Features Overfit Where Random Features Grok
研究探讨了在结构化特征图上，过参数化的岭回归不会出现记忆后泛化的延迟现象，并通过实验展示了特征几何而非容量比对模型性能的影响。
0 citationsRead paper
Runtime-Incremental Transformer for Reinforcement-Learning-Based Adaptive Control
本文提出一种在强化学习过程中动态增删注意力头的机制，解决了固定容量控制器在长记忆周期下易失败的问题。
0 citationsRead paper
Background-Free Objectness Learning for Class-Agnostic Detection
本文提出了一种无背景对象性学习方法B-FOR，通过预测密集多尺度对象中心和尺度场来解决类别无关检测中的对象性偏差问题。
0 citationsRead paper
SSMB: Self-Supervised Local Feature Detection under Motion Blur
本文提出SSMB，一种自监督关键点检测方法，通过局部可辨识性增强模块和两阶段训练解决运动模糊下的关键点检测问题。
0 citationsRead paper