zero-shot domain adaptation | BriefGPT

关键词zero-shot domain adaptation

搜索结果 - 7

基于双层混合与对比的零样本域自适应
该论文提出了一种新的零样本领域自适应方法，通过双层混合增强和对抗学习来学习具有低任务偏差的领域不变特征，实验证明该方法在多个基准测试上取得了良好的性能。
PDF7 days ago
ZoDi: 基于扩散的图像转换的零样本领域自适应
本文提出了一种基于扩散模型的零样本领域自适应方法，名为 ZoDi，它具有两个设计特点：零样本图像转换和模型自适应。通过利用现成的扩散模型将源图像的领域转移到目标领域，我们首先合成目标领域的类似图像，以维持布局和内容，然后在训练模型时使用源图
PDF3 months ago
ACL对话状态跟踪领域自适应的零样本自适应前缀
Prompter 提出了一种使用目标领域槽的描述生成动态前缀的方法，从而使得可以在零样本情况下使用前缀调整。该方法在 MultiWOZ 和 SGD 基准测试中均优于以前的方法。
PDFa year ago
学习分离提示以进行组合图像合成
通过预训练的条件生成模型和视觉提示调优，本文提出了一种领域自适应图像合成框架，能够从少至一张图像中学习出语义和领域的解耦提示，并以目标领域风格合成图像，并进一步应用于零样本领域适应分类，实现了组合泛化。
PDFa year ago
ACLXQA-DST：多域和多语言对话状态跟踪
本文提出了一种领域无关的抽取式问答方法用于对话状态跟踪，通过训练一个分类器来预测多个领域的出现情况，将复杂的领域信息进行分离并在活动领域提取跨域问题答案，在多个数据集上达成了优秀的零 - shot 转移模型表现。
PDF2 years ago
EMNLP面向资源受限的关键词生成的表示学习
本文提出一种数据导向的方法，通过检索式语料统计信息首先确定显著信息，然后使用基于预训练语言模型的任务特定中间表示学习生成关键短语。通过在多个关键短语生成基准测试中对该方法进行实验，证明了该方法对于促进低资源关键短语生成和零 - shot 领
PDF2 years ago
ICMLDARLA: 在强化学习中改进零样本迁移
该论文讨论利用多级深度强化学习代理 DARLA，通过学习离散化的环境表示，使策略更具鲁棒性实现领域自适应，该方法在不同的 RL 环境（Jaco arm, DeepMind Lab）和基本 RL 算法（DQN, A3C, and EC）中显示
PDF7 years ago