cross-domain | BriefGPT - AI 论文速递

关键词cross-domain

搜索结果 - 79

跨领域开放世界发现
通过引入簇 - 匹配策略和面向跨域开放世界发现设计的目标，CROW 通过在稳定的表示空间中强大地匹配簇和之前见过的类别，从而发现新类别，并通过针对跨域开放世界发现设计的目标来精细调整表示空间，实验结果表明 CROW 在图像分类基准数据集上优
PDF15 days ago
RAEmoLLM: 基于情感信息的跨领域虚假信息检测的检索增强 LLM
该论文提出了 RAEmoLLM 框架，通过应用情感感知 LLM 构建一个含有情感嵌入的检索数据库，以实现跨领域的虚假信息检测。实验结果显示，RAEmoLLM 较零样本方法在三个数据集上均获得显著提高，其中最高分别提高了 20.69%、23.
PDF16 days ago
APSeg：面向跨领域少样本语义分割的自动提示网络
引入了一种新型的自动提示网络（APSeg）用于跨领域的少样本语义分割（CD-FSS），其中采用了 Dual Prototype Anchor Transformation（DPAT）模块从伪查询原型和支持原型中融合特征，实现了对跨领域分割的
PDF20 days ago
具有训练的跨领域意识的众包注释工作者选择
本文介绍了一种名为 “跨领域感知的工人选择与训练方法” 的分配方案，该方案考虑了工人在其他任务中的历史表现以及工人在任务中通过学习获得的动态表现，并通过两个评估模块统计分析了跨领域相关性和工人的学习收益。实验证明，该方法在真实和合成数据集上
PDF21 days ago
SPA-SVC：自我监督的歌声转换中的音高增强
在这篇论文中，我们提出了一种自监督的 SPA-SVC 方法，该方法可以改善 SVC 任务中的声音质量，无需额外的数据或增加模型参数。我们通过引入循环音高转换训练策略和结构相似性指数（SSIM）损失，有效提升了 SVC 模型的性能，实验结果表
PDF23 days ago
D-CPT 法：针对大型语言模型的领域专用持续预训练规模定律
基于尺度定律的领域特定持续预训练法 (D-CPT Law) 可用于预测不同尺寸的语言模型的理想混合比例，以及交叉领域的 D-CPT Law 可用于目标领域的预测，不同尺寸和数据集尺寸的训练成本相对较低。
PDFa month ago
ICLRMetaCoCo: 一个新的具有虚假关联的少样本分类基准
少样本分类中的异构问题（OOD）会导致模型性能下降，而交叉领域少样本分类（CD-FSC）和虚假相关少样本分类（SC-FSC）是 OOD 问题的主要组成部分。为了解决 SC-FSC 问题，我们提出了一个真实场景下收集的含有虚假相关偏移的基准测
PDF2 months ago
跨领域强化学习的知识迁移：系统综述
通过对跨领域强化学习的了解和分类，以及对数据假设需求进行特征分析，本文全面系统地介绍了不同领域知识传递方法的研究，讨论了交叉领域知识传递的主要挑战以及未来研究方向。
PDF2 months ago
领域自适应无人机检测：基准和噪声抑制网络
通过提供包括模拟图像和真实图像的多种场景、多种微型飞行器类型和多种视角的多微型飞行器多领域 (M3D) 数据集，在众多领域上提出了一个新的基准，通过基于伪标签的框架和一个由大到小的训练过程提出了一个噪声抑制网络 (NSN)。通过大量的实验结
PDF3 months ago
调适先于比较：跨域少样本分割的新视角
面对与训练领域不同的图像时，少样本分割性能大幅下降，这限制了其在现实世界的应用。本研究通过在传统的分类预训练骨干网络的特征金字塔中附加小型网络实现测试时任务自适应，避免过拟合到有监督微调中的少量标记样本，同时在不使用测试时的其他图像的限制下
PDF4 months ago
跨领域少样本学习：自适应变换网络
提出了一种自适应变压器网络 (ADAPTER) 作为跨领域少样本学习的简单而有效的解决方案，它建立在双向交叉注意力的思想上，学习两个领域之间的可转移特征，并通过 DINO 训练以避免监督崩溃问题。进一步提出了标签平滑方法来提高嵌入空间中近邻
PDF5 months ago
SAR 视角反演的强化学习与可微 SAR 渲染器
通过嵌入名为可微合成孔径雷达渲染的电磁模拟器来实现智能体与环境的交互作用，模拟了人类类似的角度预测过程，并利用视角对应图像之间的时序和语义差异构建深度强化学习的状态空间，通过一系列奖励机制以保持方法的稳定性和收敛性，在航空领域中的实际数据集
PDF6 months ago
DARNet: 动态适应下的跨域少样本分割中填补领域差距
跨域少样本分割中的动态自适应细化方法 (Dynamically Adaptive Refine, DARNet)，包括通道统计扰动和自适应细化自匹配技术，以及测试时的自适应方法（Test-Time Adaptation, TTA），在跨域少
PDF7 months ago
FOAL：面向跨域方面情感三元组抽取的细粒度对比学习
在跨领域情感三元组提取（ASTE）中，我们提出了一种名为 Fine-grained cOntrAstive Learning（FOAL）的方法，通过减少领域之间的差异并保留每个类别的可辨识性，有效地在领域之间转移知识并准确提取情感三元组，实
PDF7 months ago
跨层蒸馏和特征去噪用于跨领域少样本分类
我们通过在训练阶段让目标领域中的一小部分无标签图像可访问，解决基于跨域 few-shot 分类的问题，同时通过指导网络的浅层学习更高级别的信息的跨层级知识蒸馏方法提取更有区分度的特征，以及通过特征去噪操作减少特征冗余并减轻过拟合，我们的方法
PDF8 months ago
表情域翻译网络用于跨域头部再现
通过引入一种新的表情领域转换网络，该网络将人类表情转化为动漫表情，并使用三维几何感知损失函数来保持输入和输出之间的几何一致性，从而在跨表情领域上实现高保真度和一对一的映射，该方法在跨领域头部再现领域取得了重大进展。
PDF9 months ago
UniTime：跨领域时序预测的语言增强统一模型
提出了 UniTime 模型以解决跨领域时间序列学习中的挑战，通过灵活适应不同特征的数据、使用领域指令和语言 - 时间序列转换器来对齐模态，以及利用屏蔽来缓解领域收敛速度不平衡问题，从而大幅提升最先进的预测性能和零样本可迁移性。
PDF9 months ago
ICCV跨领域少样本学习视频的 CDFSL-V 模型
提出了一种新颖的跨领域少样本视频动作识别方法，利用自监督学习和课程学习平衡源领域和目标领域的信息以解决多样性之间的挑战。在几个具有挑战性的基准数据集上评估并展示了该方法优于现有的跨领域少样本学习技术。
PDF10 months ago
子宫颈畸形机器视觉检查的典型跨领域知识迁移
通过利用不同但相关临床研究中收集的跨领域子宫颈图像，我们提出了一种基于原型的知识过滤方法，用于改善定向子宫颈数据集上模型的性能，实验证据显示我们的方法在顶级准确率、精确度、召回率、F1 分数和 ROC-AUC 上分别比最先进的子宫颈畸形视觉
PDF10 months ago
回归优化：基于扩散的零样例三维人体姿势估计
通过结合基于优化和基于学习的方法，我们提出了 Zero-shot Diffusion-based Optimization (ZeDO) 管线，用于解决跨领域和野外环境下的 3D 人体姿态估计问题，并在多种数据集上实现了最先进的性能。
PDFa year ago