从CVPR 2024看域适应/域泛化最新研究进展

文章预览

域适应和域泛化一直以来都是各大顶会的热门研究方向。 域适应 指：当我们在源域上训练的模型需要在目标域应用时，如果两域数据分布差异太大，模型性能就有可能降低。这时可以利用目标域的无标签数据，通过设计特定方法减小域间差异，来提升模型在目标域的性能。 而 域泛化 与域适应不同，域泛化让模型学会泛化到多个新测试域，而不仅仅是适应一个特定的目标域。这种方法的核心在于利用多源域信息增强模型泛化能力。 本文盘点了 CVPR 2024 有关域适应、域泛化的研究成果 32 篇 ，帮助大家了解并掌握最新的进展。 扫码添加小享， 回复“ CVPR域 ” 免费获取 全部论文+开源代码 域适应 Improving the Generalization of Segmentation Foundation Model under Distribution Shift via Weakly Supervised Adaptation 第一个针对「Segment Anything」大模型的域适应策略 方法： 本文研 ………………………………