OfficeHome

New AI method uses language to improve visual domain generalization

研究人员开发了一个新的计算机视觉领域泛化框架，该框架利用了来自预训练视觉基础模型（VFMs）的语言指导。该方法首先使用大型语言模型（LLM）解耦文本提示，然后利用这些解耦的文本特征来指导领域不变视觉表征的学习。为了进一步增强鲁棒性，引入了一个名为最差显式表征对齐（WERA）的附加组件，它使用抽象提示和风格化图像增强来确保不同视觉分布之间的一致性。在多个基准数据集上的实验表明，该方法优于现有的最先进的领域泛化技术。