domain shifts | BriefGPT - AI 论文速递

关键词domain shifts

搜索结果 - 67

CVPR重新思考多领域泛化问题：通用学习目标
多领域泛化的研究旨在最小化训练和测试分布之间的差异，以增强边缘到标签分布映射，本论文提出利用 Y 映射来放松约束，重新思考多领域泛化的学习目标并设计了一个新的通用学习目标，揭示了之前的多领域泛化研究仅部分优化了目标导致了有限性能的问题，该研
PDF4 months ago
细调的机器翻译度量在未知领域中面临困难
我们引入了一个新的广泛的多维质量度量（MQM）注释数据集，涵盖了生物医学领域的 11 种语言对。我们利用该数据集来研究在训练和推理之间领域转移时，是否基于人工生成的机器翻译质量评判进行微调的机器翻译（MT）度量指标是否具有稳健性。我们发现，
PDF4 months ago
面向领域自适应和子群特定的级联温度回归用于外域校准
通过元集合级联温度回归方法，本文提出了一种新颖的事后校准方法，通过对验证集上的数据增强模拟不同领域的转变，为不同的测试集定制细粒度的缩放函数，捕捉多样化的不确定性，并通过回归网络学习得到类别特定和置信度特定的缩放，实现元集合之间的校准。通过
PDF5 months ago
将地理多样化知识融入提示中，提高物体识别的地理鲁棒性
现有的目标识别模型在多样化的地理情况下缺乏鲁棒性，由于设计和上下文中存在显著的领域转变。为了更准确地反映这些转变下的目标概念，需要适应类别表示。在没有来自目标地理区域的训练数据的情况下，我们假设地理特定的目标类别的描述性知识可以利用起来增强
PDF6 months ago
ADOD: 自适应领域感知残余注意力在水下环境中的目标检测
ADOD 是一种用于水下目标检测中解决领域泛化的新方法，通过增强模型在各种水下环境下的泛化能力来确保其稳健性。它采用了 Residual Attention YOLOv3 框架和基于注意力机制的领域分类模块，通过提升检测准确性和适应性，实现
PDF7 months ago
多元化训练，不是微调：使用合成图像扩大视觉识别训练规模
通过在大型语言模型和 CLIP 的辅助下，使用生成模型生成合成训练图像来解决类名的歧义性、缺乏多样性的问题，并利用域适应技术和辅助批归一化来减轻领域偏移，以更好地提升模型识别性能。
PDF7 months ago
AAAIUFDA：具有实际假设的通用联邦域适应
我们提出了一种更实用的方案，名为 Hot-Learning with Contrastive Label Disambiguation（HCLD），解决了 Universal Federated Domain Adaptation（UFDA
PDF7 months ago
在协变量和依赖偏移下的公平感知领域泛化
基于领域偏移的普适分类器归纳问题几乎困难且复杂，本文通过引入三种不同的分布偏移（概念偏移、协变量偏移和依赖性偏移），提出了一种新颖的领域泛化方法，能够在不同领域中保持模型的准确性和公平性。实验结果表明，该方法在四个基准数据集上超越了现有的方
PDF7 months ago
基于基础模型的医学图像分割的域外鲁棒性
构建一个强健的模型，能够在分布转变的情况下有效地泛化到测试样本，在医学影像领域仍然是一个重要的挑战。本研究通过对基于自然图像和文本数据进行预训练的视觉和语言基础模型进行 fine-tuning 后的鲁棒性评估，证明了基于基础模型的优越性。此
PDF8 months ago
非平稳测试时间适应的逐层自动加权
采用 Fisher 信息矩阵为基础的算法，通过引入逐层自动加权的方法，实现在不断变化的目标分布环境中的模型自适应，以减少遗忘和错误积累，并大大降低计算负载。
PDF8 months ago
通过随机特征实现稳健且高效的联邦领域自适应
在现代机器学习模型中，单机上训练这些规模的模型往往变得不现实，因此越来越多的人开始借用联邦学习技术以分布式和协作的方式来训练大规模机器学习模型。然而，当这些模型在新设备上部署时，可能因为领域转移而难以泛化。本文中，我们介绍了 RF-TCA，
PDF8 months ago
DSAC-C: 基于约束的最大熵算法用于鲁棒离散软演员评论家
我们提出了一种新颖的 Soft Actor-Critic（SAC）算法扩展。基于最大熵原理，我们认为通过从替代性评论策略中得出的附加统计约束，可以进一步改进离散 SAC 算法。此外，我们的研究结果表明，这些约束对于潜在领域转移提供了额外的稳
PDF8 months ago
ClusT3: 信息不变的测试时间训练
深度学习模型在各种视觉任务中展现出卓越的性能，但它们常常容易受到测试时的领域转移所影响。为了缓解这些脆弱性，已经开发了测试时训练（TTT）方法，在训练时同时解决了主任务和次要任务，以在测试时作为自监督代理任务。在本文中，我们提出了一种基于多
PDF9 months ago
多源领域自适应的子空间识别
提出了一种基于子空间识别理论的多源域自适应方法，它能在较少的约束条件下实现域不变和特定变量的脱钩，通过最小化域漂移对不变变量的影响来促进域适应。该方法在各种基准数据集上优于现有的多源域适应技术，凸显其在实际应用中的有效性。
PDF9 months ago
ReSimAD：零售 3D 领域转移在自动驾驶中的应用：源重构和目标仿真
通过提出重建 - 仿真 - 感知（ReSimAD）方案，本文解决自动驾驶中的领域转移问题，通过从先前的旧领域中获得知识并在多个新领域中进行仿真，从而提高领域泛化能力，甚至在 3D 预训练方面具有潜力。
PDF10 months ago
ICCV融合伪标签与弱监督用于动态交通场景
引入了一个弱监督标签统一流程，用于合并来自多个训练在异构数据集上的目标检测模型的伪标签，从而构建了一个统一的标签空间，纠正偏见并提高泛化能力。通过对多个数据集上的目标检测模型进行微调，并精确验证伪标签，重新训练一个目标检测模型，最终得到一个
PDF10 months ago
采样与蒸馏：开放世界数据的知识迁移
提出了一种名为数据无关知识蒸馏（DFKD）的新任务，旨在使用仅带有原始训练数据的教师网络训练高性能学生模型。通过自适应采样模块对接近原始数据分布的开放世界数据进行采样，引入低噪声表示以减轻领域漂移并建立多个数据示例的结构化关系来开发数据知识
PDFa year ago
ICCV基于优化轨迹提纯的医学图像领域自适应分类
我们提出了优化轨迹蒸馏，这是一种统一的方法，从新的角度解决了两个技术挑战。我们充分利用了梯度空间的低秩特性，并设计了一种双流蒸馏算法，以从可靠的源获得外部指导来规范不充分标注的域和类的学习动态。我们在多个任务上对所提出的方法进行了广泛评估，
PDFa year ago
具有卷积视觉变换器的强韧面部反欺诈框架
基于卷积视觉变换器的框架通过全局信息和面部图像中的局部线索来改善人脸识别性能和抵抗领域转变的作用，在面部反欺诈和领域泛化等领域取得了显著的提升。
PDFa year ago
联邦领域泛化：一项调查
本文介绍了机器学习发展的过程及其在领域自适应和领域泛化方面的应用，重点介绍了联邦域泛化的概念和相关算法，分类为联邦域对齐、数据处理、学习策略和聚合优化，并提供了常用的数据集、应用、评估和基准，这些研究对解决在不同领域和分布数据上广泛存在的泛
PDFa year ago