Buchumschlag

Distill-SODA: Distilling Self-Supervised Vision Transformer for Source-Free Open-Set Domain Adaptation in Computational Pathology

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vray, Guillaume, Tomar, Devavrat, Thiran, Jean-Philippe, Bozorgtabar, Behzad
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Un-Mixing Test-Time Normalization Statistics: Combatting Label Temporal Correlation
von: Tomar, Devavrat, et al.
Veröffentlicht: (2024)

ReservoirTTA: Prolonged Test-time Adaptation for Evolving and Recurring Domains
von: Vray, Guillaume, et al.
Veröffentlicht: (2025)

Slide-Level Prompt Learning with Vision Language Models for Few-Shot Multiple Instance Learning in Histopathology
von: Tomar, Devavrat, et al.
Veröffentlicht: (2025)

CrIBo: Self-Supervised Learning via Cross-Image Object-Level Bootstrapping
von: Lebailly, Tim, et al.
Veröffentlicht: (2023)

A Simple Framework for Open-Vocabulary Zero-Shot Segmentation
von: Stegmüller, Thomas, et al.
Veröffentlicht: (2024)

Vision Transformers with Self-Distilled Registers
von: Chen, Yinjie, et al.
Veröffentlicht: (2025)

Knowledge Distillation Meets Open-Set Semi-Supervised Learning
von: Yang, Jing, et al.
Veröffentlicht: (2022)

Beyond Retraining: Training-Free Unknown Class Filtering for Source-Free Open Set Domain Adaptation of Vision-Language Models
von: Li, Yongguang, et al.
Veröffentlicht: (2025)

Multi-Granularity Class Prototype Topology Distillation for Class-Incremental Source-Free Unsupervised Domain Adaptation
von: Deng, Peihua, et al.
Veröffentlicht: (2024)

Momentum Memory for Knowledge Distillation in Computational Pathology
von: Guo, Yongxin, et al.
Veröffentlicht: (2026)

LATA: Laplacian-Assisted Transductive Adaptation for Conformal Uncertainty in Medical VLMs
von: Bozorgtabar, Behzad, et al.
Veröffentlicht: (2026)

Source-Free Domain Adaptation with Vision-Language Prior
von: Tang, Song, et al.
Veröffentlicht: (2026)

SS-SFDA : Self-Supervised Source-Free Domain Adaptation for Road Segmentation in Hazardous Environments
von: Kothandaraman, Divya, et al.
Veröffentlicht: (2020)

The Role of Masking for Efficient Supervised Knowledge Distillation of Vision Transformers
von: Son, Seungwoo, et al.
Veröffentlicht: (2023)

POINTS-Reader: Distillation-Free Adaptation of Vision-Language Models for Document Conversion
von: Liu, Yuan, et al.
Veröffentlicht: (2025)

CLIPSelf: Vision Transformer Distills Itself for Open-Vocabulary Dense Prediction
von: Wu, Size, et al.
Veröffentlicht: (2023)

Domain Adaptation Through Task Distillation
von: Zhou, Brady, et al.
Veröffentlicht: (2020)

MuGa-VTON: Multi-Garment Virtual Try-On via Diffusion Transformers with Prompt Customization
von: Deria, Ankan, et al.
Veröffentlicht: (2025)

EUDA: An Efficient Unsupervised Domain Adaptation via Self-Supervised Vision Transformer
von: Abedi, Ali, et al.
Veröffentlicht: (2024)

Distillation Dynamics: Towards Understanding Feature-Based Distillation in Vision Transformers
von: Tian, Huiyuan, et al.
Veröffentlicht: (2025)

Dataset Distillation for Pre-Trained Self-Supervised Vision Models
von: Cazenavette, George, et al.
Veröffentlicht: (2025)

Self-Supervised Multi-View Representation Learning using Vision-Language Model for 3D/4D Facial Expression Recognition
von: Behzad, Muzammil
Veröffentlicht: (2025)

GeoDistill: Geometry-Guided Self-Distillation for Weakly Supervised Cross-View Localization
von: Tong, Shaowen, et al.
Veröffentlicht: (2025)

Back to Source: Open-Set Continual Test-Time Adaptation via Domain Compensation
von: Yang, Yingkai, et al.
Veröffentlicht: (2026)

Adapting Self-Supervised Learning for Computational Pathology
von: Zimmermann, Eric, et al.
Veröffentlicht: (2024)

Unified Source-Free Domain Adaptation
von: Tang, Song, et al.
Veröffentlicht: (2024)

Source-Free Domain Adaptation Guided by Vision and Vision-Language Pre-Training
von: Zhang, Wenyu, et al.
Veröffentlicht: (2024)

Uncertainty-guided Open-Set Source-Free Unsupervised Domain Adaptation with Target-private Class Segregation
von: Litrico, Mattia, et al.
Veröffentlicht: (2024)

DUDA: Distilled Unsupervised Domain Adaptation for Lightweight Semantic Segmentation
von: Kang, Beomseok, et al.
Veröffentlicht: (2025)

Source-Free Domain Adaptation of Weakly-Supervised Object Localization Models for Histology
von: Guichemerre, Alexis, et al.
Veröffentlicht: (2024)

Positive Semi-definite Latent Factor Grouping-Boosted Cluster-reasoning Instance Disentangled Learning for WSI Representation
von: Li, Chentao, et al.
Veröffentlicht: (2025)

Proxy Denoising for Source-Free Domain Adaptation
von: Tang, Song, et al.
Veröffentlicht: (2024)

Label Calibration in Source Free Domain Adaptation
von: Rai, Shivangi, et al.
Veröffentlicht: (2025)

Agile Multi-Source-Free Domain Adaptation
von: Li, Xinyao, et al.
Veröffentlicht: (2024)

CAST: Contrastive Adaptation and Distillation for Semi-Supervised Instance Segmentation
von: Taghavi, Pardis, et al.
Veröffentlicht: (2025)

Robust Representation Learning with Self-Distillation for Domain Generalization
von: Singh, Ankur, et al.
Veröffentlicht: (2023)

Anatomy-Anchored Self-Supervision: Distilling Vision Foundation Models for Invariant Ultrasound Representation
von: Zhu, Chunzheng, et al.
Veröffentlicht: (2026)

SODA: Sensitivity-Oriented Dynamic Acceleration for Diffusion Transformer
von: Shao, Tong, et al.
Veröffentlicht: (2026)

Weight Copy and Low-Rank Adaptation for Few-Shot Distillation of Vision Transformers
von: Grigore, Diana-Nicoleta, et al.
Veröffentlicht: (2024)

Enhancing Source-Free Domain Adaptive Object Detection with Low-confidence Pseudo Label Distillation
von: Yoon, Ilhoon, et al.
Veröffentlicht: (2024)