计算机科学 > 计算机视觉与模式识别
[提交于 2025年9月18日
(此版本)
, 最新版本 2025年9月29日 (v3)
]
标题: 翻译中的迷失? 用于开放词汇语义分割的无源域适应词汇对齐
标题: Lost in Translation? Vocabulary Alignment for Source-Free Domain Adaptation in Open-Vocabulary Semantic Segmentation
摘要: 我们引入了VocAlign,这是一种专为开放词汇语义分割中的视觉语言模型(VLMs)设计的新颖无源域适应框架。 我们的方法采用了一种结合词汇对齐策略的学生-教师范式,通过引入额外的类别概念来改进伪标签生成。 为了确保效率,我们使用低秩适应(LoRA)来微调模型,在保持其原始能力的同时最小化计算开销。 此外,我们为学生模型提出了一种Top-K类别选择机制,显著降低了内存需求,同时进一步提高了适应性能。 我们的方法在CityScapes数据集上实现了显著的6.11 mIoU提升,并在零样本分割基准测试中表现出色,为开放词汇设置下的无源适应设定了新标准。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.