研究人员推出了一种新颖的无源域自适应（SFDA）方法COSMO，旨在提高在无法获取源数据时模型的性能。COSMO将视觉语言模型（VLM）引导的SFDA视为一个样本级可靠性分配问题，解决了“源驱动证据遗忘”的问题。该方法为每个样本形成初始共识，并根据不确定性和训练进度自适应地调节其移动，在四个基准测试中表现优于现有方法。 AI
影响 该方法有望提高AI模型在训练数据有限或不可用场景下的适应性。
排序理由 该集群包含一篇详细介绍域自适应新方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- COSMO
- DagsHub
- Hugging Face
- Source-Free Domain Adaptation
- vision-language model
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
