TIP 2024 | 跨类与跨域语义增强用于域泛化

最新推荐文章于 2025-10-25 20:25:37 发布
最新推荐文章于 2025-10-25 20:25:37 发布
阅读量81 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 计算机顶会顶刊论文解读 文章标签： 人工智能 深度学习 计算机视觉 TIP 论文解读 计算机顶刊
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42722197/article/details/145401364

论文创新点

题目：Inter-Class and Inter-Domain Semantic Augmentation for Domain Generalization
跨类与跨域语义增强用于域泛化
作者：Mengzhu Wang, Yuehua Liu, Jianlong Yuan, Shanshan Wang, Zhibin Wang, Wei Wang

论文创新点

  1. 跨类语义增强（CrossSmooth）：作者提出了CrossSmooth模块，通过从跨类中采样语义方向，生成具有其他类形态特征的图像。该方法通过向高斯采样的协方差矩阵添加常数，扩展了类内语义到跨类语义，从而提高样本多样性。
  2. 跨域语义增强（CrossVariance）：作者提出了CrossVariance模块，通过从跨域中采样语义方向，捕捉不同域的样式。该方法利用不同域的协方差，使得每个域展现出多个域的
了解本专栏 订阅专栏 解锁全文
多模态大模型少样本自适应综述
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
05-13 689
为了通过微调提高模型的泛化性能，研究人员首先提出了基于提示的微调适应方法（例如，CoOp [14]），该方法将CLIP文本端的固定文本输入视为可学习的向量，然后使用少量样本进行微调，以适应下游任务。此外，引入基础语言模型或外部知识（如知识图谱，例如，CuPL [16]）的方法可以帮助模型更好地处理未见样本，增强其语义理解和鲁棒性，从而提高其在少样本适应任务中的性能。因此，在这篇综述中，本文介绍并分析了多模态模型少样本适应方法的研究进展，总结了常用的数据集和实验设置，并比较了不同方法的结果**。
AI应用架构师眼中的AI驱动的元宇宙金融的技术革新方向
AI天才研究院
08-20 1119
读者将获得对AI驱动MetaFi的技术架构全景认知，掌握关键技术如多模态金融交互引擎、AI增强智能合约、动态风险评估模型的设计原理与实现路径，并洞察未来“具身智能金融体”“去中心化AI监管”等前沿方向。未来，随着具身智能、脑机接口等技术的成熟，元宇宙金融将进入“自治化、个性化、沉浸式”的新阶段。：本文从AI应用架构师视角，提出“AI原生的元宇宙金融架构”理念，通过多模态交互层、智能合约AI增强层、动态风险控制层、跨域价值流转层四大技术支柱，系统性解决MetaFi的现存痛点。
Tip-Adapter：免训练的小样本分类新方案
m0_58465853的博客
08-04 758
Tip-Adapter 的核心创新在于其适配器（缓存模型）的构建和推理过程完全。
NeurIPS 2020 | 基于“单目标域样本”的领域自适应方法
阿木寺的博客
12-19 943
点击上方“CVer”，选择加"星标"置顶重磅干货，第一时间送达本文作者：罗亚威https://zhuanlan.zhihu.com/p/337094706本文系原作者投稿...
【TIP2022】物以类聚：领域自适应分割的类别-发散指导
qq_33290813的博客
07-07 1158
Paper ：https://arxiv.org/pdf/2204.02111目前的无监督域自适应(UDA)模型侧重于通过最小化源域和目标域之间的特征差异来缓解域的偏移，但通常忽略了类混淆问题。在本工作中，我们提出了一种类间分离和类内聚集(ISIA)机制。它鼓励了相同类别之间的跨领域代表性一致性和不同类别之间的差异。通过这种方式，属于相同类别的特征被对齐在一起，可混淆的类别被分开。通过测量每个类别的对齐复杂性，我们设计了一个自适应加权实例匹配(AIM)策略，以进一步优化实例级的自适应。基于我们提出的方法，我
CVPR2024 | DiffAM：基于扩散模型的对抗性化妆迁移用于面部隐私保护
四口鲸鱼爱吃盐的博客
12-25 2050
本文 “DiffAM: Diffusion-based Adversarial Makeup Transfer for Facial Privacy Protection” 提出了DiffAM这一基于扩散模型的两阶段框架，通过文本引导的化妆去除和图像引导的对抗性化妆转移，有效实现人脸图像隐私保护，在攻击成功率、图像质量等方面优于现有方法，且对商业API也有良好攻击性能，为面部隐私保护提供了新方案。
3D点云无监督域自适应物体检测综述
m0_46238121的博客
09-01 844
同样以图片形式发表在本人知乎账号：https://zhuanlan.zhihu.com/p/1944860877942666845。3D图像无监督域自适应物体检测综述，做个简单记录，仅粗读，简单了解一下该领域有哪些内容。
cross-domin，Domain adaptation 与 Domain generalization学习
qq_33031419的博客
10-21 1680
cross-domin学习
论文阅读|TGRS 2024|域适应|Efficient Prompt Tuning of Large Vision-Language Model for Fine-Grained Ship Clas
2401_89384928的博客
03-29 1200
机制：Visual-Net 和 Remote-Net 分别修正视觉和文本特征的域偏差，减少 CLIP 对自然图像的依赖。1）分层多粒度提示设计：提出三级层次化文本提示（主类型 - 次类型 - 最终类型），增强对船舶细粒度差异的语义表达。机制：层次化提示（如“primary type [GTC]”）帮助模型捕捉船舶大类特征，缓解了细粒度差异的混淆。2）遥感先验集成：通过轻量级网络学习遥感图像与文本的偏差项，缩小自然图像与遥感数据的域差距。，表明更多数据允许模型充分利用分层提示的语义优势和遥感先验的域知识。
ACM SIGIR 2022 | 美团技术团队精选论文解读
美团技术团队
07-21 1285
总第524篇2022年 第041篇今年，美团技术团队有多篇论文被ACM SIGIR 2022收录，这些论文涵盖了观点标签生成、跨域情感分类、对话摘要领域迁移、跨域检索、点击率预估、对话主题分割等多个技术领域。本文精选了10篇论文做简要介绍（附下载链接），希望能对从事相关研究的同学有所帮助或启发。SIGIR是信息检索方向的国际顶级会议（CCF-A类）。第 45 届国际信息检......
面向AI研究的模块化即插即用架构综述与资源整理全覆盖
面向AI前沿技术的深度解析平台，覆盖基础理论、算法优化及产业应用全链路
05-20 1642
在当前深度学习研究日益激烈的背景下，如何高效提升论文创新性与实验迭代效率已成为科研人员关注的核心问题。近年来，“即插即用模块”因其“无缝集成”、“快速启用”的特性，逐渐成为论文中常见的性能增强组件。此类模块通常具备良好的模块化设计和标准化接口，能够灵活适配多种网络架构与任务类型，显著降低模型改进的技术门槛与开发成本。本文围绕当前主流的即插即用模块进行系统梳理，涵盖2025年最新发表于顶会顶刊中的成果，覆盖计算机视觉(CV)、图像处理及其他AI相关任务。
标签噪声学习：理论与方法详解
最新发布
weixin_48846514的博客
10-25 496
摘要：标签噪声学习指南 本文系统介绍了标签噪声学习的关键问题与方法。主要内容包括： 标签噪声的成因：大数据时代下众包标注不可避免产生噪声，即使ImageNet等标准数据集也存在20%左右的错误标签。 噪声类型分类： 随机分类噪声（RCN）：均匀错误 类别依赖噪声（CCN）：类间混淆概率不同 实例依赖噪声（ILN）：与具体样本相关 解决方案：重点分析了对称损失函数对抗RCN的数学原理，证明其能保持噪声数据与干净数据的最优模型一致性。 研究表明，传统方法在噪声数据上性能可能退化至随机猜测水平，而专门的抗噪方法能
Deepseek-ocr论文精读
wanzhong2333的博客
10-21 1774
给出了几个重要信息这是一篇探究视觉二维映射（optical 2D mapping）实现长上下文压缩的可行性的文章。这个模型不怕高分辨率的输入。当视觉图像压缩比很高的情况下，识别的精度依然很高。模型推理速度快，单张 A100-40G 显卡搭载的 DeepSeek-OCR 每日可生成 20 万页以上的数据。下图其他模型的在基准测试中对比，出手就是王炸，deepseek-ocr系列包揽了整个外围，类似机器学习的AUC图像，面积越大，模型性能越好。
番外篇 基于Dify的AI应用开发：从入门到实战全解析
IT深耕十余载，大道之简
10-25 445
摘要 Dify是一款开源AI应用开发平台，通过可视化界面大幅降低AI应用开发门槛。文章系统介绍了Dify的核心功能，包括工作流设计器、提示词工程、知识库管理等，并通过构建智能客服系统的实战案例，展示了从环境搭建到生产部署的全流程。平台支持多模型接入、全链路管理，具备企业级扩展性，使开发者能快速实现包含智能问答、情感分析等功能的AI应用。文章还提供了提示词优化、性能调优等最佳实践，为不同技术背景的用户提供全面的开发指南。
密集向量，稀疏向量，二进制向量 之间有什么区别和联系
陈开心的博客
10-21 1461
摘要： 密集向量（Dense Vector）、稀疏向量（Sparse Vector）和二进制向量（Binary Vector）是机器学习中常用的三种向量表示方法。密集向量由连续浮点数组成，通常由神经网络生成，用于捕获语义信息（如BERT嵌入）。稀疏向量大部分维度为0，适用于词袋模型或TF-IDF，高效存储非零特征。二进制向量仅用0/1表示特征存在性，适合布尔场景（如图片哈希）。三者区别在于数值类型、维度和应用场景：密集向量适合语义匹配，稀疏向量用于关键词检索，二进制向量用于快速特征比对。现代系统（如Milv
合合信息亮相PRCV：多模态文本智能与内容安全双擎驱动的技术突破与实践解析
2501_92808811的博客
10-22 823
合合信息的方案首先通过CV模型定位图片中的文字区域（如用户发布的广告图中的宣传语），再通过OCR提取文字后，利用多模态模型判断图文关联性（如图片为儿童玩具，但文字包含“成人用品促销”这类矛盾内容），最后结合内容安全模型的敏感实体识别（如违禁药品名称）与情感分析（如煽动性词汇密度）输出拦截建议。例如，一张包含文字的发票图片（图像模态），需要先通过OCR（光学字符识别）提取文字（文本模态），再结合发票模板规则（结构化知识）与业务上下文（如报销政策）进行语义分析（文本推理）。合合信息的技术突破在于：通过。
软件所2025预推免
qq_73354094的博客
10-24 553
2.大笨钟，00:00-12:00不报时（包含端点），后半天报时，整点就报对应的时间，超出的就多报一声，例如13:00报一声，13:05报两声。8.在100米的航道，两船开始时相向而行，第一船100米用72秒，第二船100米60秒，掉头不算时间，问在12分钟内相遇几次？2.观察n天，7天有不活跃情况（上午或者下午不活跃），5天上午活跃，6天下午活跃，如果下午不活跃上午一定活跃，问观察了几天。11.10张牌，开始时都是反面，1的倍数翻一次，2的倍数翻一次，一直到10，问最后正面朝上的最大和最小的差值是多少？
如何建模，将真实问题建模为模型问题【持续更新，没写完】
qq_41764621的博客
10-23 745
文章摘要： 机器学习模型的核心在于其"归纳偏置"，即模型对未知数据的假设偏好。不同模型具有独特的偏置：线性回归假设线性关系；CNN依赖局部性和平移不变性；RNN强调序列信息；Transformer采用全局上下文和动态关系偏置；LLM则基于"预测下一个词"的自回归偏置。理解模型的关键在于分析其偏置内容，包括继承的基础偏置、引入的新架构设计及其假设、性能权衡等。这一视角为模型分析和论文阅读提供了系统框架。
神经网络中的 HWC→CHW 格式转换
StarPrayers.的博客
10-23 501
HWC（高度、宽度、通道）和CHW（通道、高度、宽度）是神经网络中两种数据格式。CHW格式更符合主流框架（如PyTorch）要求，能提升计算效率，减少内存访问延迟，并与预训练模型兼容。转换方法包括使用NumPy的transpose或PyTorch的permute函数进行维度置换。CHW格式有利于优化GPU计算性能，适配深度学习框架的卷积操作要求。
BAPA-Net: 边界自适应与原型对齐提升跨领域语义分割性能
其次，原型对齐模块（Prototype Alignment Module，PAM）通过最小化源和目标域删除边界后的类原型之间的距离，有效地减少域间不匹配，防止域混淆。这个过程确保了模型学习到的特征具有更好的泛化能力，即使在跨域...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小白学视觉

您的赞赏是我们坚持下去的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值