Ali Abedi

新的EUDA框架为AI模型提供参数高效的域自适应

研究人员开发了一个名为EUDA的参数高效框架，用于无监督域自适应，旨在解决源域和目标域之间数据分布差异的挑战。这种新方法利用冻结的DINOv2骨干网络作为特征提取器，仅更新轻量级的瓶颈层和分类头。EUDA还包含一个协同域对齐损失（SDAL），它结合了交叉熵和最大均值差异，以改进判别式学习和跨域对齐，同时显著减少可训练参数，并展现出具有竞争力的性能。