unsupervised domain adaptation | BriefGPT

关键词unsupervised domain adaptation

搜索结果 - 640

STAL3D：基于协作自训练和对抗学习的 3D 物体检测无监督域自适应
我们提出了一种能够在无监督领域适应中实现 3D 物体检测的框架，称为 STAL3D，通过协作自训练和对抗学习利用伪标签和特征分布对齐的互补优势，并设计了面向 3D 跨域场景的背景抑制对抗学习模块和尺度过滤模块，有效减轻了大部分背景干扰和源域
PDF5 days ago
划分、集成与征服：自主域适应中的最后一英里 - 车载语义分割
提出了 DEC，这是一个灵活的多源数据集的 UDA 框架，通过将语义类别进行分类，并使用仅在合成数据集上训练的集成模型将它们的输出融合，来解决研究中的合成多源数据集的挑战，以获得最终的分割掩模，并可以与现有的 UDA 方法相结合，在 Cit
PDF5 days ago
SynRS3D: 通过单目遥感影像进行全球三维语义理解的合成数据集
从单视图的高分辨率遥感图像实现全球语义三维理解是地球观测领域的关键问题之一。本论文介绍了专门为地球观测领域开发的合成数据生成流程，并提出了全球最大的合成卫星影像三维数据集 SynRS3D，其中包括 69667 幅高分辨率光学图像，覆盖了全球
PDF6 days ago
CTS：基于模拟到真实的无监督领域自适应的三维检测
提出了一种新颖的复杂到简单框架（CTS），从有标记的仿真域（源）转移模型到无标记的实际域（目标），通过开发固定大小的锚头和 RoI 增强来提高伪标签的质量，并开发角格式表示的 Aleatoric 不确定性（AU）以统一量化伪标签质量，还基于
PDF6 days ago
Vox-UDA: 面向冷冻电镜亚体积分割的体素级无监督领域适应与去噪伪标签
本研究提出了第一种针对冷冻电镜亚原子体分割的基于体素的无监督领域自适应方法 Vox-UDA，通过噪声生成模块对源数据进行噪声模拟，以实现跨噪声级别自适应，并且提出了一种基于改进双边滤波的去噪伪标记策略来缓解领域漂移问题，实验证明了该方法相对
PDF7 days ago
儿科脑肿瘤分割的无监督领域自适应
在本研究中，我们提出了由 Domain-Adapted nnU-Net (DA-nnUNet) 构成的无监督领域自适应模型，用于将成人胶质瘤（源域）应用到儿童胶质瘤（目标域）中，通过添加一个连接有梯度反转层（GRL）的域分类器到 nnU-N
PDF8 days ago
EMNLP基于因果发现的无监督领域自适应情感因果对提取
本文提出了一个基于深度潜变量模型和变分自编码器（VAE）框架的新方法，用于在无监督域适应设置中提取情感 - 原因对。通过利用情感作为桥梁，将不同域中事件的分布联系起来，并采用变分后验正则化技术来降低源域中与事件相关的虚假相关性，从而促进跨域
PDF14 days ago
室内 3D 物体检测的 Syn-to-Real 无监督领域自适应
本文提出了一种新颖的面向室内三维物体检测的对象层次域对齐（OHDA）框架，其中包括一种面向对象的数据增强策略以有效地使源域数据多样化，并引入了一个由对抗训练分支和伪标记分支组成的两分支自适应框架，以同时达到整体级和类别级的域对齐，通过适应结
PDF15 days ago
PIG：夜间场景分割的提示图像引导
通过利用 Prompt Images Guidance（PIG）来增强无监督领域自适应（UDA）的方法，本文提出了一种夜间场景解析（night-time scene parsing）的 Night-Focused Network（NFNet
PDF17 days ago
CVPR探索视觉基础模型在无监督领域自适应中的优势
在计算机视觉领域，研究通过视觉基础模型和无监督域自适应方法在语义分割任务中的结合对提升无监督域自适应性能和增强视觉基础模型外分布泛化能力具有重要价值。实验结果表明，将视觉基础模型与无监督域自适应方法相结合，不仅能在维持视觉基础模型外分布性能
PDF18 days ago
通过提示梯度对齐增强领域自适应
在无监督领域自适应中，通过基于提示学习的方法，使用大规模预训练的视觉 - 语言模型来学习领域不变和领域特定的特征，并将领域无关的约束转化为优化问题，通过梯度对齐和梯度范数惩罚来实现不同领域的一致性，从而在单源和多源无监督领域自适应任务中取得
PDF19 days ago
源无域自适应分割的稳定邻域去噪
我们研究了无源无监督领域自适应（SFUDA）用于语义分割的问题，提出了一种基于稳定邻居去噪的方法，并结合对象级对象粘贴来解决类别、域和确认偏差问题。通过广泛的实验证明，该方法在各种 SFUDA 语义分割设置中始终优于最先进的方法。
PDF22 days ago
EAGLE: 跨视角理解中高效自适应基于几何的学习
通过引入新的无监督跨视图适应学习方法，我们解决了语义场景理解中不同摄像头视角的几何结构变化建模问题，并在不同跨视图适应基准上证明了我们方法在跨视图建模方面的有效性，与之前的无监督领域适应和开放词汇语义分割方法相比，实现了最先进的性能。
PDFa month ago
CVPR开放集域适应用于语义分割
提出了一种用于语义分割的开放域适应方法，在目标域中包含未知类别，通过构建边界和未知形状感知的开放域域自适应模型 (BUS)，利用新颖的膨胀腐蚀对比损失函数来准确识别已知和未知类别的边界，并提出了一种新的领域混合增强方法（OpenReMix）
PDFa month ago
基于柯西 - 施瓦茨散度的领域自适应
无监督领域适应问题中，为了准确评估边际和条件分布的差异，我们引入了柯西 - 斯瓦兹散度，该散度相比于常用的库尔巴克 - 莱布勒散度提供了更严密的理论广义误差界限，并能方便地用于源领域和目标领域在表示空间中的边际和条件分布差异的估计，而无需任
PDFa month ago
逐渐消失的原型网络在无监督领域适应中的差距
我们提出了一种高效的无监督领域自适应框架 (GVG-PN)，通过全局和局部角度实现了转移学习，以解决无监督领域自适应模型在对齐过程中分布塌缩的问题，并且能够清晰地胜过目前最先进的模型。
PDFa month ago
单目深度估计中无监督域自适应的一致性正则化
在单目深度估计中，我们提出了一种基于一致性的半监督学习方法来解决无监督领域自适应问题，通过在源领域的预测结果和未标记目标样本的多个增强视图上的扰动一致性来实现源领域的预测规则化。与先前的方法相比，我们的方法简单且有效，只需要训练单个模型，实
PDFa month ago
通过在线选择克服负迁移：远程领域自适应故障诊断
通过在在线梯度屏蔽方法的基础上动态识别和排除与目标样本紧密相似的源样本，我们提出了一种新颖的在线选择性对抗对齐（OSAA）方法，解决了适应标签差异和源目标域之间潜在标签分布差异的问题，验证了其在实际具有严重域偏移的场景中优于现有方法的卓越性
PDFa month ago
DATR: 无监督领域自适应检测 Transformer 模型：基于数据集层面适应与原型对齐
我们提出了一种强大的基于 DetR 的检测器，名为 Domain Adaptive Detection Transformer (DATR)，用于无监督域自适应目标检测，通过有效地对跨域特征进行类别感知的对齐，明确引导检测器实现全局表示，并
PDFa month ago
从无监督领域自适应角度重新思考基于弱监督分割
本论文提出了一种仅使用有限的标注数据和大量未标注图像的单张标注数据训练模型而不依赖图像配准的几乎无监督医学图像分割（BSS）方法，采用无噪声标注数据构建算法和频率空间混合策略，用于减轻数据间的领域转移问题，实验证明该方法对 BSS 具有很高
PDF2 months ago