级联无监督域适应网络

语义与域解耦

将语义学习与域特定适配解耦，避免跨域分布偏移引起的语义混淆。

Zhan, Mengmeng · Wu, Zongqian · Huafu, Xu · 朱晓峰 · Hu, Rongyao

Neurocomputing 2025

技术优势

解耦语义与域

两阶段框架将语义学习与域特定适配分离，从而缓解语义混淆。

利用CLIP保持语义

在源域上微调CLIP-LoRA以提取与类别相关且域不变的特征，同时保持语义完整性。

应用场景

• 具身智能模型泛化：让具身智能模型在未见环境中保持语义识别，减少域偏移影响。
• 工业视觉检测：在工业检测中适配目标域数据分布，提升缺陷识别跨产线迁移能力。
• 医学影像分析：适配不同医疗设备影像的分布差异，提高病理分析模型的泛化性。
• 微流控图像识别：在微流控图像识别中迁移源域知识，提升对目标域图像的分割精度。