关键词open domain generalization
搜索结果 - 4
- CVPR未知问题，唯一的空白：揭示 CLIP 在开放领域泛化中的潜力
通过引入 ODG-CLIP，我们利用视觉语言模型 CLIP 的语义优势来解决开放域泛化中的局限性，实现了在不同领域和类别之间进行泛化的挑战。我们提出了三个主要创新：首先，我们将 ODG 看作一个多类别分类问题，包括已知类别和新类别，我们使用 - 利用预训练特征通过正则化来进行单一网络的开放域泛化
本文针对开放领域泛化问题，通过使用单个网络以及预训练的头部和两个正则化项进行特征提取、分类和模型修改，使模型适应未知领域并提高对未知类别的检测能力，最终在多个基准测试中取得了有竞争力的性能。
- 简单的域泛化方法是开放域泛化的强基准
该研究对现有的 DG（Domain Generalization）方法在 ODG（Open Domain Generalization）情况下进行综合评估，显示出两种简单的 DG 方法，CORrelation ALignment（CORAL - 领域增强元学习的开放域泛化
本文研究了开放域泛化的问题，提出了一种基于元学习的域增强框架 (DAML)，通过特征层次和标签层次上的增强，综合不同领域的知识，提高在不同领域泛化能力的性能。实验结果表明，DAML 方法在未知领域识别方面表现优越。