Buchumschlag

GMM-COMET: Continual Source-Free Universal Domain Adaptation via a Mean Teacher and Gaussian Mixture Model-Based Pseudo-Labeling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schlachter, Pascal, Yang, Bin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

COMET: Contrastive Mean Teacher for Online Source-Free Universal Domain Adaptation
von: Schlachter, Pascal, et al.
Veröffentlicht: (2024)

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

Memory-Efficient Pseudo-Labeling for Online Source-Free Universal Domain Adaptation using a Gaussian Mixture Model
von: Schlachter, Pascal, et al.
Veröffentlicht: (2024)

De-Confusing Pseudo-Labels in Source-Free Domain Adaptation
von: Diamant, Idit, et al.
Veröffentlicht: (2024)

GenGMM: Generalized Gaussian-Mixture-based Domain Adaptation Model for Semantic Segmentation
von: Moradinasab, Nazanin, et al.
Veröffentlicht: (2024)

Prototype-Based Pseudo-Label Denoising for Source-Free Domain Adaptation in Remote Sensing Semantic Segmentation
von: Wang, Bin, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Pseudo-Label Filtering for Source-Free Unsupervised Domain Adaptation
von: Chen, Xi, et al.
Veröffentlicht: (2024)

ProtoGMM: Multi-prototype Gaussian-Mixture-based Domain Adaptation Model for Semantic Segmentation
von: Moradinasab, Nazanin, et al.
Veröffentlicht: (2024)

Energy-Based Pseudo-Label Refining for Source-free Domain Adaptation
von: Meng, Xinru, et al.
Veröffentlicht: (2025)

One-Shot Federated Unsupervised Domain Adaptation with Scaled Entropy Attention and Multi-Source Smoothed Pseudo Labeling
von: Abedi, Ali, et al.
Veröffentlicht: (2025)

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

Domain Adaptation Using Pseudo Labels
von: Chhabra, Sachin, et al.
Veröffentlicht: (2024)

Shuffle PatchMix Augmentation with Confidence-Margin Weighted Pseudo-Labels for Enhanced Source-Free Domain Adaptation
von: Pulakurthi, Prasanna Reddy, et al.
Veröffentlicht: (2025)

Empowering Source-Free Domain Adaptation via MLLM-Guided Reliability-Based Curriculum Learning
von: Chen, Dongjie, et al.
Veröffentlicht: (2024)

Collaborative Learning with Multiple Foundation Models for Source-Free Domain Adaptation
von: Lee, Huisoo, et al.
Veröffentlicht: (2025)

GMM-IKRS: Gaussian Mixture Models for Interpretable Keypoint Refinement and Scoring
von: Santellani, Emanuele, et al.
Veröffentlicht: (2024)

SloMo-Fast: Slow-Momentum and Fast-Adaptive Teachers for Source-Free Continual Test-Time Adaptation
von: Iftee, Md Akil Raihan, et al.
Veröffentlicht: (2025)

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

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

Self-training via Metric Learning for Source-Free Domain Adaptation of Semantic Segmentation
von: Akkaya, Ibrahim Batuhan, et al.
Veröffentlicht: (2022)

Trust And Balance: Few Trusted Samples Pseudo-Labeling and Temperature Scaled Loss for Effective Source-Free Unsupervised Domain Adaptation
von: Maracani, Andrea, et al.
Veröffentlicht: (2024)

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

Source-Free Domain Adaptation with Diffusion-Guided Source Data Generation
von: Chopra, Shivang, et al.
Veröffentlicht: (2024)

Source-Free Domain Adaptation for YOLO Object Detection
von: Varailhon, Simon, et al.
Veröffentlicht: (2024)

Incremental Pseudo-Labeling for Black-Box Unsupervised Domain Adaptation
von: Zou, Yawen, et al.
Veröffentlicht: (2024)

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

Pseudo Multi-Source Domain Generalization: Bridging the Gap Between Single and Multi-Source Domain Generalization
von: Enomoto, Shohei
Veröffentlicht: (2025)

MAPSeg: Unified Unsupervised Domain Adaptation for Heterogeneous Medical Image Segmentation Based on 3D Masked Autoencoding and Pseudo-Labeling
von: Zhang, Xuzhe, et al.
Veröffentlicht: (2023)

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

Propensity-driven Uncertainty Learning for Sample Exploration in Source-Free Active Domain Adaptation
von: Pan, Zicheng, et al.
Veröffentlicht: (2025)

Key Design Choices in Source-Free Unsupervised Domain Adaptation: An In-depth Empirical Analysis
von: Maracani, Andrea, et al.
Veröffentlicht: (2024)

GLC++: Source-Free Universal Domain Adaptation through Global-Local Clustering and Contrastive Affinity Learning
von: Qu, Sanqing, et al.
Veröffentlicht: (2024)

Smooth Pseudo-Labeling
von: Karaliolios, Nikolaos, et al.
Veröffentlicht: (2024)

LEAD: Learning Decomposition for Source-free Universal Domain Adaptation
von: Qu, Sanqing, et al.
Veröffentlicht: (2024)

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

Training-Free Label Space Alignment for Universal Domain Adaptation
von: Lee, Dujin, et al.
Veröffentlicht: (2025)

COCA: Classifier-Oriented Calibration via Textual Prototype for Source-Free Universal Domain Adaptation
von: Liu, Xinghong, et al.
Veröffentlicht: (2023)

A3: Active Adversarial Alignment for Source-Free Domain Adaptation
von: Eze, Chrisantus, et al.
Veröffentlicht: (2024)

Explaining Model Overfitting in CNNs via GMM Clustering
von: Dou, Hui, et al.
Veröffentlicht: (2024)

ELF-UA: Efficient Label-Free User Adaptation in Gaze Estimation
von: Wu, Yong, et al.
Veröffentlicht: (2024)