研究人员推出了一种新颖的框架 LFM，该框架利用基础模型来增强无源通用领域自适应 (SF-UniDA)。该方法采用视觉语言模型来评估目标数据样本与文本标签之间的相似性，即使对于原始训练集中不存在的类别也是如此。该框架使用高斯混合模型识别未知样本，并通过整合来自源域和基础模型的知识来优化伪标签，最终提高目标模型的性能。 AI
影响 这项研究可以提高 AI 模型在没有原始训练数据的情况下适应新的、未标记数据集的能力。
排序理由 该集群包含一篇详细介绍新框架和方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
