Multi-Granularity Alignment-aware Contrastive learning for open-world semi-supervised learning

Xinran Ling

doi:10.1016/j.patcog.2026.114946

Multi-Granularity Alignment-aware Contrastive learning for open-world semi-supervised learning

2026-09-25

0

PRE

AI

DOI：10.1016/j.patcog.2026.114946

原文链接

原文求助

摘要

En 中文

• 提出了一种新颖的开放世界半监督学习（SSL）框架MGrAC，通过多粒度对齐协同整合伪标签和对比学习。 • 多粒度分类构建层次化原型以缓解已知类别过拟合，并实现结构化表示学习。 • 由多级伪标签引导的弱监督对比学习在不产生语义错位的情况下增强特征判别性。 • 目标粒度对齐强制跨级一致性以解决优化冲突并确保连贯的层次化语义。 • 实验表明MGrAC实现了最先进性能，并在通用和细粒度开放世界场景中均展现出鲁棒性。

Keyword:

Semi-supervised learning

Open-world semi-supervised learning

Novel class discovery

Multi-granularity learning

Multi-Granularity Alignment-aware Contrastive learning for open-world semi-supervised learning

摘要

期刊

机构

引用论文