Papers with Code 아카이브
Domain Adaptation
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 13
- 평가표
- 58
- 보존된 평가 기록
- 391
Domain Adaptation is the task of adapting models across domains. This is motivated by the challenge where the test and training datasets fall from different data distributions due to some factor. Domain adaptation aims to build machine learning models that can be generalized into a target domain and dealing with the discrepancy across domain distributions.
Further readings:
<span style="color:grey; opacity: 0.6">( Image credit: Unsupervised Image-to-Image Translation Networks )</span>
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
범용 알고리즘-암묵적 학습
시간적 분포 변화 하에서의 도메인 적응형 기후 다운스케일링
Drift Happens: An Empirical Study of Neural Architecture Robustness to Temporal Distribution Shift
RS-Agent: 지능형 에이전트를 통한 원격 탐사 작업 자동화
VisCoP: 비전-언어 모델의 비디오 도메인 적응을 위한 시각적 프로빙
모델은 충분히 학습했는가? 부분집합 선택 반사실적 증강을 통한 어트리뷰션 기반 학습
DecepGPT: 스키마 기반 기만 탐지를 위한 다문화 데이터셋과 강건한 멀티모달 학습
MechVQA: 포괄적 기계 도면 이해를 위한 멀티모달 LLM 벤치마킹 및 성능 향상
U-TTT: 테스트 시간 학습을 통한 일반화 가능한 PET 이미지 노이즈 제거를 향하여
임상 상처 모니터링에서 개인화된 중증 이상 반응 탐지를 위한 LoRA 기반 교차-문맥 비전-언어 적응
연관성 복원 테스트: 언러닝 이후 복원 가능한 숏컷 규명
SAMPLe: VLM 프롬프트 학습을 위한 SAM 기반 옵티마이저
사실적인 복합 렌즈 아웃포커스 블러 합성
생성적 무작위화와 교차 변형 자기지도 학습을 통한 허위 상관관계 제거
Harrison.Rad 1.5 기술 보고서: 영상, 이전 검사 및 임상 맥락으로부터 보고서 초안을 작성할 수 있는 방사선과 기반 모델
세밀한 이미지 인식을 위한 비전-언어 모델의 구조화-압축 프롬프트 튜닝
클래스 비지정 모션 예측을 위한 합성-실제 변환
향상된 RGB-노이즈 표현 학습을 통한 일반화된 합성 이미지 탐지
FADRA: 비디오 얼굴 복원을 위한 잔차 적응 기반 주파수 인식 확산 모델
다중 기관 데이터셋에 걸친 유방촬영술 석회화 분류를 위한 비지도 도메인 적응
MonoIR-RS: CLIP 및 VLM 적응을 통한 적외선 원격 탐사 비전-언어 학습
EVA-Net: 비디오 기반 운동 사전 정보를 활용한 피험자 독립적 EEG 운동 디코딩
SSH 분야의 도메인 적응형 LLM을 위한 지식 그래프와 다국어 학술 코퍼스 통합
다중 환경 데이터의 베이지안 불변성 모델링
연속 학습에 대한 베이지안 접근법: 개요
강인한 비가시선 시나리오를 위한 오토인코더 기반 가우시안 클러스터링을 활용한 물리 정보 기반 도메인 불변 특징 학습
데이터 증류를 통한 표 형식 기반 모델의 컨텍스트 제약 전이학습
전기차 모터스포츠 파워트레인의 실험실-트랙 간 열 전이를 위한 가중 등각 예측
운동 상상 디코딩을 위한 피험자 적응형 EEG 파운데이션 모델의 스택형 LoRA
OpFlow: 강건한 OD 플로우 예측을 위한 기회 조건부 선택 포텐셜 학습
Co-Adaptive Multi-Task LoRA: 전이 인식, 레이블 불필요 도메인 참여 제어
디지털 트윈의 시계열 인식을 위한 모듈형 파운데이션 모델
AI 생성 텍스트 탐지의 재고찰: 강력한 기준선과 여전히 남아있는 분포 이동 문제
보수적 피험자 불변 EMG 기반 제스처 인식
NeuroOnline: EEG 파운데이션 모델을 위한 사전학습과 온라인 적응의 연결
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.