Transfer Learning
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 4
- 평가표
- 6
- 보존된 평가 기록
- 10
Transfer Learning is a machine learning technique where a model trained on one task is re-purposed and fine-tuned for a related, but different task. The idea behind transfer learning is to leverage the knowledge learned from a pre-trained model to solve a new, but related problem. This can be useful in situations where there is limited data available to train a new model from scratch, or when the new task is similar enough to the original task that the pre-trained model can be adapted to the new problem with only minor modifications.
<span style="color:grey; opacity: 0.6">( Image credit: Subodh Malgonde )</span>
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
DocMIDE: 시각적으로 풍부한 문서에서 다중 홉 암시적 유도 학습
EDGEGEN: 합성 엣지 케이스 생성으로 행복 경로(happy path)를 넘어서는 도구 호출 에이전트 개선
Tactile-JEPA: 분산 촉각 센서를 위한 위상 인식 자기지도 표현 학습
식사 이미지, 임상 변수, 장내 미생물군 정보를 이용한 식후 혈당 반응 예측
모든 태스크 벡터에 동일한 랭크가 필요하지는 않다: 모델 병합을 위한 에너지 비례 할당
글로벌 보건 문헌을 위한 맞춤형 개체명 인식 및 주제 분류
최종 성능을 넘어: 자기 진화 에이전트의 프로세스 수준 평가
Pinocchio: 블랙박스 언어 모델을 위한 빠른 불확실성 추정
Diff-2-in-1: 확산 모델로 생성과 밀집 시각 인식을 연결
CLIP 기반 도메인 일반화 및 도메인 적응: 종합 서베이
MTMed3D: 3D 의료 영상을 위한 멀티태스크 트랜스포머 기반 모델
MambaX: 상태 예측 제어를 이용한 이미지 초해상도
R3D: 3D 정책 학습의 재검토
관계적 검색: 일반화된 범주 발견을 위한 기지-신규 상호작용 활용
조건부 평면도 생성에서의 도메인 시프트 완화: 데이터 효율적 적응을 위한 합성 사전학습
Foundation Model 사전학습 하에서 차량 재식별을 위한 다분기 및 교차-백본 융합 재검토
작물 병해충 진단을 위한 구성 가능한 다단계 비전 파이프라인
다중모달 뇌졸중 재발 예측을 위한 비전 및 교차 모달 학습 실현: 해석 가능한 2단계 프레임워크
성능 대 일관성: Lung-RADS 스크리닝에서 파운데이션 모델 평가
게이트 선형 어텐션과 KAN으로 비전 아키텍처 재고
X-Beat: 심전도 이미지 분류를 위한 설명 가능한 프레임워크
AWR-Net: 3차원 태아 뇌 초음파 합성을 위한 해부학적 구조와 외형 분리
종단 간 자율 주행을 위한 희소 행동 조건 타깃 기반 계획 정렬 BEV 표현 사전학습
CrowdCue: 비전-언어 군중 계수를 위한 전문가-단서 조건화
수의 세포학에서 저비용 전산 꽃가루 분석을 위한 재구성 홀로그램과 설명 인식 평가
SomaNet: 부분 주석 하 3D 전자현미경에서의 인스턴스 소마 분할을 위한 약지도 학습
QwenVLConnector: 세밀한 임상 지각과 텍스트 생성을 위한 빠르고 통합된 의료 VLM 챗봇
SPACE: 도메인 적응을 위한 CLIP 임베딩의 의미적 투영 및 정렬
BiView-Touch: 교차 손 완성을 통한 양손 촉각 표현 학습
행동을 위한 올바른 미래: 세계 행동 모델에서 행동 관련 예측 상태 학습
심층 학습과 데이터 정제를 통한 지속 가능한 양식업을 위한 새우 질병 탐지 성능 향상
검색 기하 구조가 캐시 기반 CLIP 적응을 좌우한다
HOIBlender: 효율적 사람-객체 상호작용 검출을 위한 경량 검출과 비전-언어 사전지식의 블렌딩
CE⁴L: 지속적 Ego, Exo 및 Ego-Exo 학습
MaskVLA: Vision-Language-Action 모델의 궤적 과적합에 대응하는 시각적 마스킹
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.