BriefGPT - AI 论文速递
·
开放集单源域泛化的领域扩展与边界增长
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种新学习方法，解决开放集单源域泛化中的源域稀缺性和目标域未知数据分布问题。通过背景抑制和风格增强合成新样本，扩展类间边界，显著提升未知类识别能力。实验结果在多个跨域图像分类数据集上表现优异。
🎯
关键要点
-
本研究提出了一种新学习方法，解决开放集单源域泛化中的源域稀缺性和目标域未知数据分布问题。
-
该方法基于领域扩展和边界增长，通过背景抑制和风格增强合成新样本。
-
利用边缘图实现类间边界的扩展，显著提升未知类识别能力。
-
实验结果在多个跨域图像分类数据集上表现优异，达到最先进的性能。
➡️
