Core Concepts
COCA ist eine innovative Methode, die auf Textprototypen basiert und das Few-Shot-Lernen mit Vision-Sprach-Modellen für die Source-Free Universal Domain Adaptation verbessert.
Abstract
Universal Domain Adaptation (UniDA) zielt darauf ab, Domainen- und Kategoriewechsel über Datenquellen hinweg anzugehen.
Source-Free UniDA (SF-UniDA) eliminiert die Notwendigkeit direkten Zugriffs auf Quellproben.
COCA nutzt Textprototypen für das Few-Shot-Lernen mit Vision-Sprach-Modellen.
Experimente zeigen, dass COCA die Leistung von UniDA- und SF-UniDA-Modellen übertrifft.
Stats
COCA übertrifft staatliche UniDA- und SF-UniDA-Modelle.
Quotes
"COCA ist eine neue Methode, die auf Textprototypen basiert und das Few-Shot-Lernen mit Vision-Sprach-Modellen verbessert."