论自监督动态增量正则化适应
机器学习
2024-01-04 v2
摘要
本文概述了最近发展的一种动态域适应方法 DIRA，该方法除采用一种名为弹性权重巩固的正则化方法外，还利用少量样本，从而取得了最先进（SOTA）的域适应结果。此前已表明 DIRA 在与 SOTA 无监督适应技术竞争时表现良好。然而，DIRA 的一个局限是它依赖于为适应中所用的少量样本提供标签。这使其成为一种监督技术。本文中，我们提出对 DIRA 方法的改进以使其自监督，即消除提供标签的需求。我们提出的方法将在未来工作中通过实验进行评估。
引用
@article{arxiv.2311.07461,
title = {On Self-Supervised Dynamic Incremental Regularised Adaptation},
author = {Abanoub Ghobrial and Kerstin Eder},
journal= {arXiv preprint arXiv:2311.07461},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2205.00147