关键词unsupervised model adaptation
搜索结果 - 2
- ESP-Zero: 无监督增强极稀疏点云的零样本分类
在本论文中,我们提出了一种无监督的模型自适应方法来增强用于处理极其稀疏点云的点云编码器,通过引入融合交叉注意力层和互补学习的自蒸馏方案,有效地改进点云特征并保持与文本嵌入的对齐,以提高处理这种极其稀疏点云的零样本分类能力。
- 模型适应:无源数据对比学习的无监督域自适应
本研究提出了一种无监督模型自适应的历史对比学习技术,通过历史模型的假设来弥补源数据中的缺失,从而实现将源训练模型适应到目标分布的无监督域适应。实验结果表明,该方法在各种视觉任务和设置下一致优于现有技术。