ZoDi: 基于扩散的图像转换的零样本领域自适应
原文中文，约400字，阅读约需1分钟。发表于：。本文提出了一种基于扩散模型的零样本领域自适应方法，名为 ZoDi，它具有两个设计特点：零样本图像转换和模型自适应。通过利用现成的扩散模型将源图像的领域转移到目标领域，我们首先合成目标领域的类似图像，以维持布局和内容，然后在训练模型时使用源图像和合成图像，并同时最大化两个领域图像的特征相似性，从而学习到具有领域鲁棒性的表示。通过实验证明了 ZoDi...
本文提出了一种名为ZoDi的零样本领域自适应方法，通过扩散模型将源图像的领域转移到目标领域，合成目标领域的类似图像，并最大化两个领域图像的特征相似性，学习到具有领域鲁棒性的表示。实验证明ZoDi在图像分割任务中优于现有方法，并比基于CLIP的方法更具通用性。
