วิทัศน์ทรานส์ฟอร์มปรับโดเมน (Domain-Adaptive Vision Transformer - DA-ViT)
วิทัศน์ทรานส์ฟอร์มปรับโดเมน (DA-ViT) ประยุกต์ใช้เทคนิคการปรับโดเมน — เช่น การจัดแนวแบบปฏิปักษ์ (adversarial alignment), การเรียนรู้ตนเอง (self-training), หรือการเชื่อมโยงระดับการใส่ใจ (attention-level bridging) — บนโครงข่ายวิทัศน์ทรานส์ฟอร์ม (Vision Transformer - ViT) ที่ได้รับการฝึกฝนล่วงหน้า (pretrained) เพื่อถ่ายทอดความรู้ด้านภาพจากโดเมนต้นทางที่มีป้ายกำกับ (labeled source domain) ไปยังโดเมนเป้าหมายที่ไม่มีป้ายกำกับหรือไม่ค่อยมีป้ายกำกับ (unlabeled or lightly labeled target domain) ซึ่งช่วยลดการเลื่อนของลักษณะการกระจาย (distribution shift) ที่จำกัดประสิทธิภาพของการปรับละเอียด (fine-tuning) มาตรฐานของ ViT
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Domain-Adaptive Vision Transformer (DA-ViT). ScholarGate. https://scholargate.app/th/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.
- การจำแนกประเภทแบบ BERT ที่ปรับให้เข้ากับโดเมนการเรียนรู้เชิงลึก↔ compare
- Domain-adaptive Convolutional Neural Networkการเรียนรู้เชิงลึก↔ compare
- วิชันทรานส์ฟอร์มเมอร์ที่ปรับละเอียดการเรียนรู้เชิงลึก↔ compare
- Semantic Segmentationการเรียนรู้เชิงลึก↔ compare
- วิชันทรานส์ฟอร์มเมอร์การเรียนรู้เชิงลึก↔ compare