Mar, 2024
ZoDi: 基于扩散的图像转换的零样本领域自适应
ZoDi: Zero-Shot Domain Adaptation with Diffusion-Based Image Transfer
Hiroki Azuma, Yusuke Matsui, Atsuto Maki
TL;DR本文提出了一种基于扩散模型的零样本领域自适应方法，名为 ZoDi，它具有两个设计特点：零样本图像转换和模型自适应。通过利用现成的扩散模型将源图像的领域转移到目标领域，我们首先合成目标领域的类似图像，以维持布局和内容，然后在训练模型时使用源图像和合成图像，并同时最大化两个领域图像的特征相似性，从而学习到具有领域鲁棒性的表示。通过实验证明了 ZoDi 在图像分割任务中优于现有的方法，并且比已有的基于 CLIP 的方法更具通用性，因为它不依赖于特定的骨干结构或模型，并且可以通过检查生成的图像来估计模型的性能。我们的实现将公开提供。