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.
물리적 도메인 전반에서 BLIP 미세조정의 전역 그래디언트 노름 불균형 재평가
교차 도메인 퓨샷 분류를 위한 학습이 필요 없는 스펙트럴 트랜스덕티브 정제
활성 트라코마 분류를 위한 DINOv2의 성능 비교 및 매개변수 효율적 적응
VGG16-MCA UNet: 디코더 측 채널 어텐션을 활용한 2D FLAIR MRI 전체 종양 분할
Colon3R: 단안 대장내시경 영상 기반 크로스 도메인 3D 재구성
아프리카 뇌 MRI에서 신경영상 파운데이션 모델의 일반화 성능 평가
종 다양성이 높고 데이터가 부족한 식물상에서 세분화된 난초 속 식별을 위한 비전 트랜스포머 대 합성곱 신경망: 뉴기니 난초과에 대한 통제된 벤치마크
양성 쌍 기하학의 중요성: 시각적 표현의 대조 학습을 위한 최적 수송
Action-Slot: 다중 에이전트 원자적 활동 이해를 위한 구조화된 행동 중심 표현 학습
LegendBench: 반사실적 개입을 통한 범례 이해 진단 벤치마크
쌍곡 비전-언어 모델을 위한 계층적 프롬프트 학습
AnalogDepth: 아날로그 비디오 전송 환경에서 FPV 드론을 이용한 다중 시점 기하학
DeCo: 다중 과제 비주얼 그라운딩을 위한 효율적인 Decouple-to-Couple 학습
0.5%>100%: 참조 이미지 분할을 위한 양방향 상호 학습
HyperCLIP++: 쌍곡 공간에서 개방 어휘 의미 분할을 위한 CLIP 미세조정
건축 도면의 원샷 해치 패턴 인식을 위한 커넥톰 제약 초파리 모델 기반 능동적 시각 샘플링
균일한 부분공간을 넘어서: 다중 태스크 모델 병합을 위한 스펙트럼 인식 및 깊이 적응형 융합
FedMust: 다중 장기 CT 분할을 위한 준지도 멀티태스크 학생-교사 연합 학습
MiTHras: 유사분열상 분석을 위한 작업 특화 계층적 준지도 대조 마스크드 오토인코더
PrismGPT: 자체 합성 추론을 활용한 영역 인식 사진 편집을 위한 대리 유도 학습
산림 포인트 클라우드를 위한 파운데이션 모델을 향하여
쉬운 적응을 통한 스트리밍 비디오 편집
파운데이션 이미지 모델 특화를 통한 흉부 X-ray 반사실적 생성
Improving the adaptive and continuous learning capabilities of artificial neural networks: Lessons from multi-neuromodulatory dynamics
SSS: Semi-Supervised SAM-2 with Efficient Prompting for Medical Imaging Segmentation
Task Alignment: A Simple Proxy for Practical Model Merging Across Diverse Vision Tasks
ProsMAE: ISUP 등급 분류를 위한 다중 소스 MAE 사전학습
감정 조절은 딥러닝 기반 이미지 분류 성능을 향상시킨다
Hidden-Shot: 저수준 비전 제너럴리스트 모델의 원샷 태스크 일반화를 향하여
토큰 하나가 1,000토큰 이상의 가치: Low-Rank Clone을 통한 효율적 지식 증류
EchoSonar-R: 심초음파 질병 분류 및 보고서 생성을 위한 다중 뷰 추론 지원 모델
도메인 시프트 하에서 유방촬영술을 위한 기반 모델의 강건성 벤치마킹
충돌 인식 분리 매개변수 학습을 통한 통합 예측 및 계획
프롬프트 학습: 적응형 LLM 기반 고등학교 튜터링을 통한 학생 참여도 향상
교차 언어 문자 수준 신경 조건부 랜덤 필드를 활용한 저자원 개체명 인식
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.