该文综述深度度量学习与领域自适应研究,涵盖:Soft Orthogonality方法结合DeiT解决代理点问题;隐式语义增强提升泛化;M-ADDA结合度量与对抗学习实现无监督域自适应;将密度测量融入优化框架;代理三元组损失加速收敛并将零样本精度提升至多15%;代理标签法支持目标域监督训练;基于vMF分布的概率代理方法增强不确定性感知;多级原型学习改进半监督域自适应;元学习框架应对人脸反欺骗跨域泛化。
完成下面两步后,将自动完成登录并继续当前操作。