Neural Collapse by Design: Learning Class Prototypes on the Hypersphere

En 3 lignesDeux approches de classification supervisée (cross-entropy et contrastive learning) convergent vers Neural Collapse, un optimum théorique. Les auteurs proposent NTCE et NONL, deux pertes normalisées qui atteignent NC en <7.5% des itérations de CE, avec +5.5% d'amélioration en transfer learning et +8.7% sous déséquilibre de classes sur ImageNet-1K.

Résumé généré par Claude — vérifié par l'humain