论文：solo-learn: A Library of Self-supervised Methods for Visual Representation Learning提出了一种用于视觉表示学习的自监督方法库——自学习。该库使用Python实现，使用Pytorch和Pytorch lightning，通过具有混合精度的分布式培训管道、通过Nvidia DALI更快地加载数据、在线线性评估以获得

我们提出的方法可以有效地通过发现和处理动态图中的时空分布变化充分利用不变的时空格局。最后，我们提出了一个不变性正则化项来最小化干预分布中预测的方差，这样我们的模型就可以基于不变模式的预测，具有稳定的预测能力，因此可以处理分布变化。在三个真实世界的数据集上做实验。在本文中，我们建议处理动态图时空分布的发现与利用不变模式，即预测能力稳定的结构和特征这面临着两个关键的挑战:1)如何发现动态图中复杂的变化

联邦学习基本算法

我们提出的方法可以有效地通过发现和处理动态图中的时空分布变化充分利用不变的时空格局。最后，我们提出了一个不变性正则化项来最小化干预分布中预测的方差，这样我们的模型就可以基于不变模式的预测，具有稳定的预测能力，因此可以处理分布变化。在三个真实世界的数据集上做实验。在本文中，我们建议处理动态图时空分布的发现与利用不变模式，即预测能力稳定的结构和特征这面临着两个关键的挑战:1)如何发现动态图中复杂的变化

由于隐私、存储和其他限制，机器学习中对无监督域适应技术的需求越来越大，这种技术不需要访问用于训练源模型集合的数据。现有的多无源域自适应(MSFDA)方法主要是利用源模型产生的伪标记数据来训练目标模型，这些方法主要是改进伪标记技术或提出新的训练目标。相反，本文的目的是分析MSFDA的基本限制。特别是，我们对结果目标模型的泛化误差提出了一个信息论界限，这说明了固有的偏差-方差权衡。

准备投CVPR 2025的朋友们，详细截稿时间如下：

以下是AAAI 2025时间一览表，打算投稿的朋友不要错过哦。

准备投ACM MM 2025的朋友注意截止时间。

NeurIPS截稿时间，要投稿的朋友注意时间节点。

AAAI 2024的各项非截止时表已经出来了。