- 博客(2)
- 问答 (2)
- 收藏
- 关注
RSS订阅原创 深度子领域迁移网络（DSAN） 阅读笔记
以往大多数深度域自适应方法都进行全局对齐（不考虑任何细粒度的信息，比如标签），会混淆源域/目标域的数据，丢失每个类别的细粒度信息。本文提出了一种。
2023-09-16 17:41:32
2574
1
原创 PromptStyler 阅读笔记
无源域泛化：prompt驱动风格生成总结：本文方法通过伪词 S∗S_∗S∗ 的可学习风格词向量来学习生成各种风格特征（“a S∗S_*S∗ style of a”）（模拟联合模态空间中的各种分布偏移）。为了确保学到的风格不会扭曲内容信息，强制**风格-内容特征（“a S∗S_∗S∗ style of a [class]”）位于联合视觉-语言空间中与其对应的内容特征（“[class]”）**附近。在学到多个风格词向量后，使用合成的风格-内容特征训练线性分类器。注意到，一个大规模的预训练模型可能已经观察到
2023-09-15 09:45:51
598
1
TA创建的收藏夹 TA关注的收藏夹
TA关注的人