BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
-
本研究提出了一种少样本领域适应的方法。
-
该方法通过整合适配器到预训练模型中，解决了性能下降的问题。
-
仅需25个目标域样本即可达到与H.266/VVC编码相当的效果。
-
此方法在传输参数方面更加高效。
-
匹配了全模型微调的性能。
➡️
