跨域少样本计数
引入大规模视觉语言模型蒸馏的通用表示，在不损失域内性能的同时显著提升对域偏移的鲁棒性。
Xianing, Chen · Si, Huo · Borui, Jiang · Hailin, Hu · Chen, Xinghao
2025
将大规模视觉语言模型蒸馏的通用表示融入相关图构建，提升了原型泛化性，在不损失域内性能的同时显著增强域偏移鲁棒性。
在少样本计数领域首次提出单域泛化设置和对应模型，为此前未探索的跨域泛化问题提供解决方案。