BriefGPT - AI 论文速递
·
单次无监督领域自适应的可学习数据增强
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种通过可学习的数据增强技术解决一次性无监督领域自适应问题的分类框架，并在 DomainNet 和 VisDA 两个数据集上取得了最先进的性能。
🎯
关键要点
-
提出了一种通过可学习的数据增强技术的分类框架。
-
该框架旨在解决一次性无监督领域自适应问题。
-
设计了具有感知损失和风格转换策略的编码器 - 解码器架构。
-
方法能够学习如何增强源数据，使其在知觉上类似于目标。
-
在 DomainNet 和 VisDA 数据集上取得了最先进的性能。
➡️
