BriefGPT.xyz
大模型
Ask
alpha
关键词
latent domains
搜索结果 - 4
发现、虚构和调适:用于语义分割的开放式化合领域适应
本文介绍了针对语义分割的无监督域自适应(UDA)的新方法 —— 开放复合域自适应(OCDA)。该方法基于 “发现、臆造、适应” 三大设计原则构建了新的框架,它首先根据样式聚类混合目标数据,然后使用图像转换方法在源中臆造多个潜在的目标域,最后
→
PDF
3 years ago
无监督深度域自适应中的潜在域推断
本文提出了一种新的深度学习架构,通过自动发现视觉数据中的潜在域并利用这些信息来学习强健的目标分类器来解决不带标签数据的目标域学习问题,在公共基准测试中表现优于现有的方法。
PDF
3 years ago
使用多个潜在领域的混合模型进行领域泛化
该研究使用多种潜在领域混合的方式来提高神经网络的领域泛化能力,通过聚类将样本分为不同的领域,并通过对抗学习训练领域不变特征提取器来发现潜在领域,并利用风格特征进行聚类,达到不需要使用领域标签的领域泛化模型的训练。该方法表现优于传统的领域泛化
→
PDF
5 years ago
CVPR
通过发现潜在领域来提升域自适应
本文提出了一种基于深度卷积神经网络的领域自适应方法,在自动发现图像数据集中的潜在领域并利用此信息来学习鲁棒的目标分类器方面取得了显著优于现有方法的结果,其中引入了两个主要组件,一个是自动计算源样本分配到潜在领域的支路,另一个是利用领域成员信
→
PDF
6 years ago
Prev
Next