清华AIR ModelMerging：无需训练数据！合并多个模型实现任意场景的感知（ECCV'24）

文章预览

今天自动驾驶之心为大家分享 清华AIR & 戴姆勒ECCV2024最新的工作—ModelMerging！ 提出了一种无需训练的多域感知模型融合新方法。 如果您有相关工作需要分享，请在文末联系我们！ 论文作者  | Wenyi Li等 编辑 | 自动驾驶之心 近日，来自清华大学智能产业研究院（AIR）助理教授赵昊老师的团队，联合戴姆勒公司，提出了一种无需训练的多域感知模型融合新方法。研究重点关注场景理解模型的多目标域自适应，并提出了一个挑战性的问题： 如何在无需训练数据的条件下，合并在不同域上独立训练的模型实现跨领域的感知能力？ 团队给出了“Merging Parameters + Merging Buffers”的解决方案，这一方法简单有效，在无须访问训练数据的条件下，能够实现与多目标域数据混合训练相当的结果。 论文题目： Training-Free Model Merging for Multi-target Domain Adaptation 作者： Weny ………………………………