少样本领域适应的学习图像压缩
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了预训练的学习图像压缩模型在应用于训练域之外的图像时性能显著下降的问题。通过将即插即用的适配器整合到预训练模型中，提出了少样本领域适应的方法，从而显著提升了模型的性能，达到了与H.266/VVC编码相当的效果，仅需25个目标域样本。此方法在传输参数方面也更加高效，匹配了全模型微调的性能。
本研究提出了一种少样本领域适应的方法，通过整合适配器到预训练模型中，解决了预训练模型在应用于训练域之外的图像时性能下降的问题。该方法仅需25个目标域样本，达到了与H.266/VVC编码相当的效果，并在传输参数方面更加高效。
