Vision Transformer Adaptativo a Domínio
O Vision Transformer Adaptativo a Domínio (DA-ViT) aplica técnicas de adaptação de domínio — como alinhamento adversarial, auto-treinamento ou "bridging" em nível de atenção — sobre um backbone de Vision Transformer pré-treinado para transferir conhecimento visual de um domínio fonte rotulado para um domínio alvo não rotulado ou levemente rotulado, reduzindo o desvio de distribuição que limita o ajuste fino (fine-tuning) padrão do ViT.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Domain-Adaptive Vision Transformer (DA-ViT). ScholarGate. https://scholargate.app/pt/deep-learning/domain-adaptive-vision-transformer
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Classificação baseada em BERT com adaptação de domínioAprendizado profundo↔ comparar
- Rede neural convolucional adaptativa ao domínioAprendizado profundo↔ comparar
- Vision Transformer (ViT) AjustadoAprendizado profundo↔ comparar
- Segmentação semânticaAprendizado profundo↔ comparar
- Vision TransformerAprendizado profundo↔ comparar
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →