Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo. La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro. Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.
En este artículo, proponemos un marco de generación reversible preentrenada (PRG) que extrae representaciones no supervisadas invirtiendo el proceso de generación de modelos generativos continuos preentrenados, un proceso aún no explorado en tareas discriminativas. PRG aprovecha la alta capacidad de los modelos generativos preentrenados para construir un extractor de características robusto y generalizable, a la vez que permite una selección flexible de jerarquías de características adaptadas a subtareas específicas. Supera los enfoques existentes en diversas pruebas de referencia, logrando una precisión superior del 78 % en ImageNet a una resolución de 64x64, lo que representa el rendimiento más avanzado entre los métodos basados en modelos generativos. Además, verificamos la eficacia de nuestro enfoque mediante diversos estudios de ablación y evaluaciones fuera de distribución. El código fuente está disponible en https://github.com/opendilab/PRG .
