BriefGPT - AI 论文速递
·
COMET：用于在线无源通用领域自适应的对比均值教师
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究提出了Source-free Multi-target Domain Adaptation任务，并使用CoNMix框架解决。该框架利用目标伪标签改善目标适应性，并使用伪标签细化方法减少噪声伪标签。此外，还提出了MKD用于改进多个目标域的泛化能力，并展示了VT骨干具有更好的特征表示和分类可辨别性。该框架在多种流行域适应数据集上实现了最先进的成果。
🎯
关键要点
- 提出了Source-free Multi-target Domain Adaptation任务。
- 采用CoNMix框架解决该任务，框架由Consistency with Nuclear-Norm Maximization和MixUp knowledge distillation组成。
- 利用目标伪标签改善目标适应性，使用伪标签细化方法减少噪声伪标签。
- 提出了MixUp Knowledge Distillation（MKD）以改进多个目标域的泛化能力。
- 展示了Vision Transformer（VT）骨干具有更好的特征表示和分类可辨别性。
- 该框架在多种流行域适应数据集上实现了最先进的成果。
➡️
