跳到正文
热点事件持续更新

3D-BBDA:无反向传播黑盒域适应框架

1 篇报道1 个报道来源15 小时前更新

先了解这件事

AI 综述

Shivangi Rai 等人提出 3D-BBDA,一个无需反向传播的黑盒域适应框架:只利用源模型的黑盒输出,就能把源训练预测器适配到无标签目标数据,不需要访问源数据或源模型内部参数。 该方法用伪标签引导的原型对齐,并用加权预测模块融合源 logits 与对齐 logits;当某些类缺少原型时,以高斯扰动原型先验作为回退。上述效果来自论文自述,尚未见独立验证。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月3日
  1. arXiv 隐私论文
    3D-BBDA:面向鲁棒 3D 点云识别的无反向传播黑盒域适应框架

    3D-BBDA 是一种无需反向传播的黑盒域适应框架,仅利用源模型的黑盒输出即可将源训练预测器适配到无标签目标数据,无需访问源数据或源模型内部参数。该方法采用伪标签引导的原型对齐,并用加权预测模块融合源 logits 与对齐 logits,同时以高斯扰动原型先验作为缺失类原型的回退。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。