专栏名称: PaperEveryday
为大家分享计算机和机器人领域顶级期刊
TodayRss-海外RSS稳定源
目录
今天看啥  ›  专栏  ›  PaperEveryday

AAAI 2024 | 基于提示的分布对齐用于无监督域适应

PaperEveryday  · 公众号  · AI媒体 科技媒体  · 2025-08-10 19:00
    

主要观点总结

本文首先通过实验验证了视觉语言模型(VLM)在无监督域适应(UDA)中的有效性,并提出了一种基于提示的分布对齐(PDA)方法,用于无监督域适应。PDA方法旨在通过调整提示来减小源域和目标域之间的差异,提高UDA的性能。该方法包括两个训练分支:基础分支和对齐分支。基础分支确保模型对不同类别具有区分能力,而对齐分支则通过图像引导特征调整(IFT)获取域不变信息。作者通过广泛的实验证明,所提出的PDA方法在三个基准数据集上取得了先进性能。

关键观点总结

关键观点1: 论文创新点

验证了VLM在无监督域适应中的有效性,并提出新的PDA方法

关键观点2: PDA方法的设计

采用双训练分支结构,包括基础分支和对齐分支,通过图像引导特征调整获取域不变信息

关键观点3: PDA方法的实施

采用多模态提示范式设计基础分支提示,利用对比损失函数进行训练,并利用伪标签增强目标域数据训练。通过构建特征库和图像引导特征调整(IFT)实现源域和目标域的对齐。

关键观点4: 实验和结果

作者在三个基准数据集上进行了实验,证明PDA方法取得了先进性能。


免责声明:本文内容摘要由平台算法生成,仅为信息导航参考,不代表原文立场或观点。 原文内容版权归原作者所有,如您为原作者并希望删除该摘要或链接,请通过 【版权申诉通道】联系我们处理。

原文地址: 访问原文地址 (快捷配置)
总结与预览地址:访问文章预览/总结
文章地址: 访问文章快照