晓飞的算法工程笔记
·
Data-Free，多目标域适应合并方案，简单又有效 | ECCV'24 - 晓飞的算法工程笔记
💡
原文中文，约2000字，阅读约需5分钟。
📝
内容提要
该论文研究了多目标域适应中的模型合并技术，提出在不直接访问训练数据的情况下合并独立模型。通过参数和缓冲区的合并，结果表明线性合并足以实现鲁棒性，其性能与数据组合训练相当。
🎯
关键要点
- 该论文研究多目标域适应中的模型合并技术。
- 提出在不直接访问训练数据的情况下合并独立模型。
- 通过参数合并和缓冲区合并实现模型合并。
- 线性合并足以实现鲁棒性，性能与数据组合训练相当。
- 研究场景理解模型的多目标域适应（MTDA）。
- 以往方法假设可以同时访问所有目标领域图像，论文提出不同的解决方案。
- 模型合并分为单目标域适应阶段和模型合并阶段。
- 参数合并通过对比实验发现，线性模式连接有效。
- 缓冲区合并涉及批归一化层的运行均值和方差，处理不同目标领域模型的合并。
- 引入BN层以缓解内部协变量偏移问题，估计高斯分布的参数。
➡️
