Domain-Adaptive Vision Transformer
Domain-Adaptive Vision Transformer (DA-ViT) wendet Techniken der Domänenadaption – wie adversarielles Alignment, Self-Training oder Attention-Level-Bridging – auf einem vortrainierten Vision Transformer Backbone an, um visuelles Wissen von einer gelabelten Quell-Domäne auf eine ungelabelte oder schwach gelabelte Ziel-Domäne zu übertragen und so die Verteilungsverschiebung zu reduzieren, die das Standard-Fine-Tuning von ViTs einschränkt.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., ... & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. International Conference on Learning Representations (ICLR). link ↗
- Yang, L., Balaji, Y., Lim, S. N., & Shrivastava, A. (2023). TVT: Transferable Vision Transformer for Unsupervised Domain Adaptation. Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 520-530. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Domain-Adaptive Vision Transformer (DA-ViT). ScholarGate. https://scholargate.app/de/deep-learning/domain-adaptive-vision-transformer
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Domänenadaptives BERT-basiertes KlassifizierenDeep Learning↔ compare
- Domänenadaptives Convolutional Neural NetworkDeep Learning↔ compare
- Feinabgestimmter Vision TransformerDeep Learning↔ compare
- Semantische SegmentierungDeep Learning↔ compare
- Vision TransformerDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →