domain shifts | BriefGPT - AI 论文速递

关键词domain shifts

搜索结果 - 67

先自主训练再转录
研究表明，对于训练和测试领域不匹配的情况下，当前的语音识别系统会显示出较大的性能下降。自我训练方法可以帮助解决这个问题，并在域漂移的情况下使模型适应。本文调查了在测试集上进行噪声学生教师训练作为测试时自适应方法的效益，类似于语言模型的动态评
PDF17 days ago
无监督学习中的多次下降：噪声、领域偏移和异常值的作用
在无监督学习中研究双重下降现象，通过使用欠完备的自编码器进行实验，发现双重下降现象存在于多个应用中，并对异常和领域转移进行检测和缓解，结果表明过参数化模型不仅在重构方面表现出更好的性能，还增强了下游任务的能力。
PDF17 days ago
糖尿病性视网膜病变中解缠表示的普遍化
糖尿病视网膜病变（DR）是糖尿病引起的严重视力损害风险。我们提出了一个新颖的框架，其中来自不同领域的配对数据的表示被解耦为语义特征和领域噪声，以生成与临床需求对齐的增强表示，最终通过使用类和领域原型进行插值来改善解耦表示的鲁棒性，以及通过数
PDF24 days ago
ICLR在领域变化下的受启发锐度感知最小化
该论文提出了一种受领域启发的锐度感知极小化（Domain-Inspired Sharpness-Aware Minimization，DISAM）算法用于在领域变化下的优化问题。通过考虑锐度估计中的领域级收敛一致性，DISAM 引入了最小化
PDFa month ago
领域偏移的教科书解决方案：医学图像分析的知识先验
医学图像数据中，现有深度网络模型对于不同医院采样的数据或受性别、种族等人口统计变量影响的数据领域转移问题的鲁棒性不足。本研究提出了一种基于医学知识先验的知识增强瓶颈模型（KnoBo），通过检索增强语言模型，设计适当的概念空间，并采用自动训练
PDFa month ago
可控的持续测试时间自适应
通过引入一种新颖的方法，即 C-CoTTA，它明确防止任何单个类别侵占其他类别，从而减轻不可控转换引起的各类别之间的相互影响，减少模型对领域转换的敏感性，从而降低类别转变的程度。
PDFa month ago
使用 Fréchet 域距离在数字病理学的多实例学习中检测域偏移
多实例学习在数字病理学应用中具有吸引力，但对于临床实际中的领域漂移敏感性问题尚不清楚，本研究通过训练一种基于注意力机制的多实例学习算法，在来自不同国家的医院数据以及对应于不同程度领域漂移的各个子集上进行分类乳腺肿瘤转移的全切片图像，并提出一
PDF2 months ago
AD-Aligning: 深度学习中认知领域适应的模拟人类泛化能力
用 Coral loss 和 standard loss 进行预训练，AD-Aligning 在对抗训练和源目标域对齐的基础上，通过保留鲁棒性并适应领域变化，将目标域统计与预训练编码器的统计相匹配，从而提高泛化能力。通过在不同数据集和领域变
PDF2 months ago
WWW智慧城市中的不变时间序列预测
在智慧城市的变革环境中，将前沿的网络技术与时间序列预测相融合，为城市规划、可持续发展和经济增长提供了重要机遇。深度神经网络的进步显著提高了预测性能，然而，这些模型对于不同于训练数据分布的时间序列数据的泛化能力仍然存在挑战。我们提出了一种在不
PDF2 months ago
RaffeSDG：基于随机频率滤波的医学图像分割单源域泛化
通过引入频率空间的变化和融合同源样本的策略，RaffeSDG 提供了在单源域上训练的分割模型中强大的域外推理能力，用于解决医疗场景中数据稀缺的领域转移问题。在对三种不同的人体组织进行四种不同成像模态的分割任务的域外推理方面进行了广泛的实验证
PDF2 months ago
IJCAI领域自适应与细粒度单细胞测序数据及其它领域的异常检测
提出了一种重建偏差引导的生成框架 ACSleuth，用于检测异常细胞并进行领域适应和细粒度注释，通过使用生成模型输出的重建偏差进行异常检测，优于现有方法，在多样本和多域环境中鉴别和细分异常细胞。
PDF2 months ago
CVPR领域校准适配器用于跨领域少样本分割
在少样本语义分割中，通过使用适配器将不同目标域风格矫正到源域，来提高现有方法在领域转移中的性能。我们提出了一种局部 - 全局样式扰动方法，用于模拟不同潜在目标域，并引入一个循环域对齐模块来有效地校正域。大量的实验证明了我们的方法的有效性，并
PDF3 months ago
主动测试时间适应：理论分析与算法
使用主动学习在完全的测试时间适应设置中，通过限制标记测试实例的数量，提高测试领域之间的整体性能，同时避免灾难性遗忘，从而在测试时间适应（TTA）下解决领域偏移的问题。
PDF3 months ago
ADAPT^2: 向终端用户自我监督重播的预训练传感模型适应
提出了 ADAPT^2，一种用于个性化自我监督模型的少样本域适应框架，通过重新播放自我监督任务与用户特定数据进行用户端模型适应，以在少样本情况下将模型的预训练表示调整到用户。通过使用四个基准测试，ADAPT^2 的平均 F1 分数超过现有基
PDF3 months ago
ICLR使用预训练的视觉语言模型进行负标签引导的 OOD 检测
我们提出了一种名为 NegLabel 的新型事后 OOD 检测方法，该方法利用来自广泛语料库数据库的大量负标签，并设计了一种与负标签合作的 OOD 得分方案。通过理论分析，帮助理解负标签的机制。大量实验证明，我们的方法 NegLabel 在
PDF3 months ago
针对恶劣可视条件下跨领域目标检测的对抗防御教师
现有的目标检测器在处理训练和真实世界数据之间的领域转变方面面临挑战，尤其是在雾天和夜晚等低能见度条件下。我们提出了一种名为 Adversarial Defense Teacher（ADT）的简单而有效的框架，通过利用对抗性防御来提高教学质量
PDF3 months ago
DomainLab：一种用于深度学习领域泛化的模块化 Python 软件包
深度神经网络的信任部署经常受到未知领域分布偏移引起的泛化性能差的影响。DomainLab 是一个模块化的 Python 包，用于训练用户指定的神经网络，并具有可组合的正则化损失项。
PDF3 months ago
零样本泛化的测试时间原型移动：与视觉语言模型
通过引入测试时间原型偏移（Test-Time Prototype Shifting，TPS）框架，我们在共享嵌入空间中调制每个类别的原型，动态地学习每个原型的偏移向量，从而弥合领域差距，提高分类准确性，并在减少资源需求的情况下取得创新性能的
PDF3 months ago
VDNA-PR：基于通用数据集表示的鲁棒序列视觉地点识别
该研究利用视觉神经元激活值跟踪图像序列，提出了一种能够处理图像数据集的通用粒度特征表示方法，该方法可以用于实现视觉地点识别（VPR）并能够在处理室内环境和航空影像等领域巨大的领域变化时保持良好的鲁棒性。
PDF4 months ago
通过本地可学习用户讲话特征提升关键词检测
在此研究中，我们提出了一种新颖的设备内学习架构，由预训练的主干网络和学习用户语音特征的用户感知特征学习组成，用于解决无人工场景中部署时需要调整离线训练分类器以提高准确性的问题。我们通过更新用户投影来减小从 30.1% 到 24.3% 的错误
PDF4 months ago