DomainVerse: 针对真实世界分布变化的基准测试，用于无需调整的自适应域泛化
原文中文，约400字，阅读约需1分钟。发表于：。传统的跨领域任务依赖于通过源领域数据训练模型；随着视觉语言模型 (VLMs) 最近的进展，跨领域任务转变为直接将预先训练的源模型与具有先验领域知识的任意目标领域进行适应，我们将其命名为自适应领域泛化 (ADG) 任务；然而，当前的跨领域数据集存在许多限制，我们为此建立了一个新的 DomainVerse 数据集，为 ADG 提供了层次化的领域转换定义和约 39...
该研究介绍了一种新的自适应领域泛化（ADG）任务，通过将预先训练的源模型与具有先验领域知识的目标领域进行适应。研究人员构建了一个包含39万个真实领域图像的新数据集DomainVerse，并提出了两种免调优的自适应领域泛化方法。实验证明了数据集的重要性和方法的有效性。
