DDSR框架以自适应双教师蒸馏弥合黑盒域适应语义差距

2026年10月20日，Zhe Zhang等人在arXiv（cs.lg）提出DDSR框架。该框架通过自适应双教师蒸馏和子网络正则化，解决黑盒域适应（BBDA）中黑盒模型与视觉语言模型（ViLs）的语义差距问题。 框架核心机制是融合黑盒源模型与ViLs生成目标域伪标签。子网络正则化通过强制输出一致性和梯度发散性，缓解噪声监督过拟合。同时采用渐进优化目标预测，迭代精炼伪标签和ViL提示。 实验结果显示，DDSR在多个基准测试中超越包括可访问源数据或参数的最先进方法。该成果直接回应了两种互补但知识不一致来源的协调挑战，推动了BBDA领域的性能提升。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。