实体
Source-Free Domain Adaptation
Source-Free Domain Adaptation
PulseAugur coverage of Source-Free Domain Adaptation — every cluster mentioning Source-Free Domain Adaptation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的FRLA方法利用视觉语言模型增强眼底图像诊断
研究人员开发了一种名为“遗忘抵抗和病灶感知”（FRLA）的新方法，用于眼底图像诊断的无源域自适应。该方法旨在通过利用视觉语言模型来提高模型的准确性，同时解决预测遗忘和细粒度知识利用不足等问题。FRLA方法包含用于保留置信度预测和利用视觉语言模型的块状预测以更好地识别病灶区域的模块。实验表明，FRLA优于现有的最先进方法和基础视觉语言模型。
-
COSMO方法改进了视觉语言模型无源域自适应性能
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。
-
新研究调查CTTA方法并推出TestMate框架
两篇新研究论文探讨了计算机视觉中持续测试时自适应（CTTA）的进展。第一篇论文是一篇全面的调查，定义了CTTA问题，将现有方法分为基于优化、参数高效和基于架构的方法，并讨论了未来的研究方向。第二篇论文介绍了TestMate，一个新颖的框架，它使用轻量级的视觉基础模型在没有反向传播的情况下实时指导自适应，解决了当前语义分割任务方法的局限性。