CVPR 2024 | 分割与融合:统一分离模态的无监督域适应
发布日期:2025-06-08 04:31:20 浏览次数:5 分类:精选文章

本文共 363 字,大约阅读时间需要 1 分钟。

论文信息

Split to Merge: Unifying Separated Modalities for Unsupervised Domain Adaptation
分割与融合:统一分离模态的无监督域适应
作者:Xinyao Li, Yuke Li, Zhekai Du, Fengling Li, Ke Lu, Jingjing Li
源码:https://github.com/TL-UESTC/UniMoS

论文创新点

该论文提出了一种创新的模态分离网络架构,该网络能够将CLIP模型提取的视觉特征明确地分离为语言相关组件(LAC)和视觉相关组件(VAC)。通过引入模态集成训练(MET)策略,论文为不同模态的统一融合提供了可行的解决方案。在实验结果中,该方法显著提升了跨域适应任务的性能,验证了其有效性和实用性。
上一篇:CVPR 2024 | 基于小波域损失的生成式图像超分辨率模型训练方法实现更好的伪影控制
下一篇:CVPR 2024 | 低分辨率引领方向:通过自监督学习提升超分辨率的泛化能力

发表评论

最新留言

关注你微信了!
[***.104.42.241]2026年06月20日 14时03分30秒