Entrar
insight - ドメイン適応
$f$ ダイバージェンスに基づくドメイン適応：改善されたフレームワークとその理論的考察
本稿では、$f$ ダイバージェンスに基づくドメイン適応の改善されたフレームワークを提案し、従来手法の理論的限界を克服することで、よりタイトな誤差限界と高速な収束レートを実現する手法を提示する。
プロンプト勾配アラインメントによるドメイン適応の強化
事前学習済みビジョン言語モデルの学習済み知識を活用し、ドメイン不変で汎化性の高い特徴表現を学習する手法を提案する。
液体アルゴン時間投影箱検出器応答におけるドメインシフトを軽減するための非ペア画像変換
本稿では、シミュレーションデータと実データ間のドメインシフト問題を軽減するために、液体アルゴン時間投影箱（LArTPC）検出器データに非ペア画像間変換（UI2I）技術を適用する可能性を探求しています。
次数分布に基づくスパイクグラフネットワークを用いたドメイン適応
スパイクグラフネットワーク（SGN）はエネルギー効率に優れているものの、ドメインシフトへの対応が課題である。本論文では、次数分布に基づくスパイク表現学習と敵対的学習を用いたドメイン適応手法DeSGDAを提案し、SGNのドメイン適応問題への有効性を示した。
多変量時系列データのためのグローバル-ローカルアラインメントドメイン適応：GLA-DA
ラベル付けされていない、あるいはラベルが不足している時系列データに対して、ラベル付きのソースドメインデータを用いて、効果的に学習を行うための新たなドメイン適応手法、GLA-DAを提案する。
CLIPの未知のドメインへの一般化のための言語ガイド型多様な新規特徴量合成
CLIPの未知ドメインへの一般化能力を向上させるため、言語記述に基づいて多様で高品質な新規ドメイン特徴量を合成する。
深層ドメイン適応：アイ・トラッキングシステムの向上のためのSIM2REALニューラルアプローチ
合成画像と実世界画像の間に存在する「現実のギャップ」を解決するために、新しい手法を提案し、アイ・トラッキングモデルのセグメンテーション性能を向上させる。
Produtos
© 2024 by Linnk AI