新方法通过子集共享不变性对域泛化进行建模

研究人员开发了一种新的域泛化（DG）方法，该方法超越了在所有源域中强制全局不变性。所提出的方法称为子集共享不变性，它假设预测结构仅在特定域子集中是稳定的。这是使用混合专家架构实现的，其中每个专家专门负责对齐某些域，并且路由机制将这些子集不变组件组合起来进行预测。在DomainBed基准测试上的实验表明，在域异质性增加的情况下，模型在域外泛化和鲁棒性方面得到了改善。 AI

影响 这项研究可能带来更鲁棒的AI模型，这些模型在多样化、未见过的数据集上表现更好。

排序理由 该集群包含一篇研究论文，详细介绍了一种新的域泛化方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• DomainBed
• Domain Generalization and Adaptation using Low Rank Exemplar SVMs.
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• mixture of experts
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →