BriefGPT.xyz
Ask
alpha
关键词
pseudo-labeling strategy
搜索结果 - 5
CLIP 驱动的无监督领域自适应
通过直接利用 CLIP 进行领域间差异度量,提出了一种新颖的以语言为导向的无监督域自适应方法 CLIP-Div,通过收集到的领域不可知分布度量领域差异并使用语言引导校准目标伪标签,从而有效减小领域差距并提高模型的泛化能力,实验证明此方法在
→
PDF
5 days ago
少样本类别增量语义分割:伪标记和知识蒸馏
我们提出了一种从少量样本中学习语义分割模型的新类别的方法,通过伪标签策略进行扩充,通过知识提取能够保留现有类别的知识。
PDF
a year ago
EPIC-KITCHENS-100 无监督领域自适应挑战:混合序列预测
通过使用无监督领域适应技术,结合伪标签策略和序列信息过滤模型,这篇研究论文介绍了一种在 EPIC-Kitchens-100 数据集上实现动作识别的方法,取得了在动词和名词上的优异结果。
PDF
a year ago
无监督的词语分割利用时间梯度伪标签
提出了一种基于深度自监督特征的无监督词语分割的伪标签策略,通过利用特征嵌入的时间渐变幅度来定义单帧词性的伪标签,并用线性分类器将嵌入映射为伪标签,进而预测出每一帧的词性,试验结果表明该方法在两个数据集上明显优于以前的所有方法。
PDF
a year ago
ICCV
利用时空语义一致性进行视频场景解析
本文提出了一种空间 - 时间语义一致性方法,通过采用空间 - 时间一致损失和伪标记策略来捕捉类别独有的上下文信息,从而改善视频场景解析的一致性和准确性,该方法在 VSPW 挑战赛中获得了第一名,开发(测试部分 1)和测试集上的 mIoU 分
→
PDF
3 years ago
Prev
Next