★ 3
MedFlow：医学时间序列合成新框架
MedFlow提出类别感知多尺度流匹配框架，用于医学时间序列合成。通过向量量化多尺度分词器和令牌边际引导，增强少数类模式，在四个公开数据集上优于扩散基线，提升AUPRC并大幅降低Context-FID。
arXiv cs.AI56 天前
#数据增强
共 13 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
SAC-GCL：面向图对比学习的结构感知压缩框架
针对现有图对比学习依赖随机增强、易破坏拓扑的问题，论文提出 SAC-GCL，用结构分解提取内聚子图并压缩为超节点，构建保留局部密度与高阶结构的粗化视图。在六个基准数据集上图分类表现更稳健、更具判别力。
arXiv cs.LG3 天前
★ 2
研究用 DCGAN 与 CutMix 生成数据提升橄榄树病害分类
论文针对植物病害诊断中的数据不足与类别不平衡问题，综合使用传统增强、CutMix、MixUp 与 DCGAN 合成图像生成新样本。作者在平衡类别、增加每类样本、扩充并保持平衡三种场景下，用 EfficientNetV2B0 微调评估，分类准确率显著提升。研究强调数据多样性与类别平衡对数据集质量的关…
arXiv cs.AI5 天前
★ 2
CFBrainAug：反事实脑网络增强用于自闭症 fMRI 诊断
论文提出 CFBrainAug 反事实脑网络学习框架，统一数据增强与反事实解释，通过生成标签翻转但拓扑相似的脑网络扩充决策边界样本。在 ABIDE I 数据集 NYU 站点达到 74.1% 准确率，轻量 SVM 可比肩图深度学习方法。
arXiv cs.LG7 天前
★ 2
基于篇章解析的结构保持文档级数据增强
论文提出一种基于大语言模型和文档级篇章结构解析的结构保持数据增强框架。该方法识别句对间的修辞关系并提取关键短语，在保持原有篇章结构的同时替换为语义连贯但主题偏移的内容。在文本摘要和问答任务上，增强数据提供了互补监督并提升联合训练效果。
arXiv NLP18 天前
★ 2
PAT：人格驱动增强与迁移学习框架用于社交媒体抑郁检测
研究者提出 PAT 框架，通过人格理论驱动的 LLM 数据增强与细粒度对比学习优化帖子级编码器，解决症状语义筛选噪声与用户级监督信号粗糙两大问题。第二阶段将编码器参数迁移至用户级任务，实现多粒度可解释性，实验显著优于现有方法。
arXiv NLP19 天前
★ 2
方差指纹：通过增强设计实现内容因子的分量级识别
论文研究能否通过设计数据增强使自监督学习中的内容因子可识别。方法让内容因子在增强视图中波动但保持均值，并记录增强强度，利用因子对强度响应的差异区分各分量。在条件高斯模型下证明可识别至置换、缩放与平移，合成与 dSprites 实验验证了因子恢复与坐标对齐的改善。
arXiv cs.LG19 天前
★ 2
SharP：软硬提示引导 LLM 增强低资源假新闻检测
论文提出 SharP 框架，用硬提示提供结构化事实约束、软提示引入学习到的语义模式，并加入边界感知策略，引导 LLM 生成任务相关的合成样本。该方法旨在缓解低资源假新闻检测中标注数据稀缺、现有增强方法内容过于泛化的问题。
arXiv NLP21 天前
★ 2
合成伪方言增强提升语音语言模型方言鲁棒性
研究者提出通过标准语言 TTS 模型转换 LLM 生成的方言文本，合成伪方言语音，无需真实方言语音数据。同时引入中间标准文本预测作为语义归一化。在日语、德语和中文方言的方言到英语语音翻译评估中，该方法显著提升性能。
arXiv NLP25 天前
★ 2
Inception裁剪实现差异或影响视觉模型训练
论文发现TensorFlow/JAX生态中的Inception裁剪按 f(A)∝1/√A 采样裁剪尺度，与PyTorch遵循原始描述的实现不同。作者在ImageNet-1k上训练522个ViT-S/16模型，发现训练预算越高越需要强增强，且裁剪尺度分布的下尾决定增强强度。研究还重新评估了Beta裁…
arXiv cs.LG27 天前
★ 2
REPAIR：科学检索器长尾混淆的事实校验迭代精炼
论文提出 REPAIR，一个面向科学稠密检索器的自演化数据增强框架，通过诊断长尾概念、API 引导证据扩展与难负样本挖掘循环合成训练数据。该方法将检索锚定在事实基础上，解决细粒度区分问题。在九个材料科学与生物医学基准上显著超越 19 个强基线。
arXiv cs.AI46 天前
★ 2
CoMA-DiT：跨模态扩散Transformer脑状态解码
研究者提出CoMA-DiT，一种双向跨模态扩散Transformer，将配对模态视为相互生成监督而非单纯融合输入。该方法通过跨模态注意力条件化速度预测，并用可靠性门控残差注入变化。在听觉注意解码与情绪识别任务上，准确率与宏F1分别较无增强基线提升4.28%和6.70%，优于20个代表性基线。
arXiv cs.AI51 天前
★ 1
arXiv 用 GAN 与蒙特卡洛 Dropout 增强 Hawk T1A 结构健康监测数据
研究提出结合条件生成对抗网络与蒙特卡洛 Dropout 不确定性量化的数据增强框架，学习结构响应的类别条件时频特征并合成信号。在谢菲尔德大学 BAE Systems Hawk T1A 全尺寸基准数据集上验证，模型能准确捕捉主导结构动力学，并可作为数字孪生组件支持安全关键航空系统的损伤分类决策。
arXiv cs.LG14 天前
这个主题的相关资产
相关公司嬴彻科技（Inceptio）1
相关术语数据增强