Buchumschlag

CLIP-Powered Domain Generalization and Domain Adaptation: A Comprehensive Survey

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Jindong, Li, Yongguang, Fu, Yali, Liu, Jiahong, Liu, Yixin, Yang, Menglin, King, Irwin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Data-Efficient CLIP-Powered Dual-Branch Networks for Source-Free Unsupervised Domain Adaptation
von: Li, Yongguang, et al.
Veröffentlicht: (2024)

Contrastive Adversarial Training for Unsupervised Domain Adaptation
von: Chen, Jiahong, et al.
Veröffentlicht: (2024)

Learning to Adapt Frozen CLIP for Few-Shot Test-Time Domain Adaptation
von: Chi, Zhixiang, et al.
Veröffentlicht: (2025)

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)

CLIPArTT: Adaptation of CLIP to New Domains at Test Time
von: Hakim, Gustavo Adolfo Vargas, et al.
Veröffentlicht: (2024)

Adversarial Reweighting with $α$-Power Maximization for Domain Adaptation
von: Gu, Xiang, et al.
Veröffentlicht: (2024)

Feature Diversification and Adaptation for Federated Domain Generalization
von: Yang, Seunghan, et al.
Veröffentlicht: (2024)

When and How Does CLIP Enable Domain and Compositional Generalization?
von: Kempf, Elias, et al.
Veröffentlicht: (2025)

Unsupervised Robust Domain Adaptation: Paradigm, Theory and Algorithm
von: Huang, Fuxiang, et al.
Veröffentlicht: (2025)

Vision Transformer-based Adversarial Domain Adaptation
von: Li, Yahan, et al.
Veröffentlicht: (2024)

TFDMNet: A Novel Network Structure Combines the Time Domain and Frequency Domain Features
von: Pan, Hengyue, et al.
Veröffentlicht: (2024)

Noise-Aware Generalization: Robustness to In-Domain Noise and Out-of-Domain Generalization
von: Wang, Siqi, et al.
Veröffentlicht: (2025)

MoP-CLIP: A Mixture of Prompt-Tuned CLIP Models for Domain Incremental Learning
von: Nicolas, Julien, et al.
Veröffentlicht: (2023)

Geometric Understanding of Discriminability and Transferability for Visual Domain Adaptation
von: Luo, You-Wei, et al.
Veröffentlicht: (2024)

Federated Adversarial Domain Adaptation
von: Peng, Xingchao, et al.
Veröffentlicht: (2019)

What Has Been Overlooked in Contrastive Source-Free Domain Adaptation: Leveraging Source-Informed Latent Augmentation within Neighborhood Context
von: Wang, Jing, et al.
Veröffentlicht: (2024)

Adapting to Distribution Shift by Visual Domain Prompt Generation
von: Chi, Zhixiang, et al.
Veröffentlicht: (2024)

Asymmetric Co-Training for Source-Free Few-Shot Domain Adaptation
von: Li, Gengxu, et al.
Veröffentlicht: (2025)

On the Transferability and Discriminability of Repersentation Learning in Unsupervised Domain Adaptation
von: Qiang, Wenwen, et al.
Veröffentlicht: (2025)

SPA++: Generalized Graph Spectral Alignment for Versatile Domain Adaptation
von: Xiao, Zhiqing, et al.
Veröffentlicht: (2025)

Domain Generalization in-the-Wild: Disentangling Classification from Domain-Aware Representations
von: Son, Ha Min, et al.
Veröffentlicht: (2025)

Prototypical Distillation and Debiased Tuning for Black-box Unsupervised Domain Adaptation
von: Liang, Jian, et al.
Veröffentlicht: (2024)

Uncertainty Awareness on Unsupervised Domain Adaptation for Time Series Data
von: Liu, Weide, et al.
Veröffentlicht: (2025)

Steerable Conditional Diffusion for Domain Adaptation in PET Image Reconstruction
von: Webber, George, et al.
Veröffentlicht: (2025)

Unveiling the Superior Paradigm: A Comparative Study of Source-Free Domain Adaptation and Unsupervised Domain Adaptation
von: Wang, Fan, et al.
Veröffentlicht: (2024)

Domain Adaptation via Feature Refinement
von: Karatsiolis, Savvas, et al.
Veröffentlicht: (2025)

Domain Generalization with Small Data
von: Chen, Kecheng, et al.
Veröffentlicht: (2024)

Weight Averaging for Out-of-Distribution Generalization and Few-Shot Domain Adaptation
von: Xu, Shijian
Veröffentlicht: (2025)

Vision and Language Integration for Domain Generalization
von: Wang, Yanmei, et al.
Veröffentlicht: (2025)

Advancing Open-Set Domain Generalization Using Evidential Bi-Level Hardest Domain Scheduler
von: Peng, Kunyu, et al.
Veröffentlicht: (2024)

COD: Learning Conditional Invariant Representation for Domain Adaptation Regression
von: Yang, Hao-Ran, et al.
Veröffentlicht: (2024)

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

Sim-to-Real Domain Adaptation for Deformation Classification
von: Sol, Joel, et al.
Veröffentlicht: (2024)

Unsupervised Domain Adaptation Approaches for Chessboard Recognition
von: Jabbour, Wassim, et al.
Veröffentlicht: (2024)

Analysis of Pseudo-Labeling for Online Source-Free Universal Domain Adaptation
von: Schlachter, Pascal, et al.
Veröffentlicht: (2025)

Simplifying CLIP: Unleashing the Power of Large-Scale Models on Consumer-level Computers
von: Liu, Hongbo
Veröffentlicht: (2024)

Concept-Based Unsupervised Domain Adaptation
von: Xu, Xinyue, et al.
Veröffentlicht: (2025)

Rethinking Domain Adaptation and Generalization in the Era of CLIP
von: Feng, Ruoyu, et al.
Veröffentlicht: (2024)

Transitive Vision-Language Prompt Learning for Domain Generalization
von: Wang, Liyuan, et al.
Veröffentlicht: (2024)

Temporal Source Recovery for Time-Series Source-Free Unsupervised Domain Adaptation
von: Wang, Yucheng, et al.
Veröffentlicht: (2024)