Buchumschlag

Tell2Adapt: A Unified Framework for Source Free Unsupervised Domain Adaptation via Vision Foundation Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Yulong, Li, Shijie, Li, Ziyi, Qi, Lin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

HEAL: Learning-Free Source Free Unsupervised Domain Adaptation for Cross-Modality Medical Image Segmentation
von: Shi, Yulong, et al.
Veröffentlicht: (2025)

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

Exploring the Benefits of Vision Foundation Models for Unsupervised Domain Adaptation
von: Englert, Brunó B., et al.
Veröffentlicht: (2024)

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

Model Adaptation: Unsupervised Domain Adaptation without Source Data
von: Li, Rui, et al.
Veröffentlicht: (2025)

Source-Free Unsupervised Domain Adaptation with Hypothesis Consolidation of Prediction Rationale
von: Shu, Yangyang, et al.
Veröffentlicht: (2024)

Source-Free Domain Adaptation with Frozen Multimodal Foundation Model
von: Tang, Song, et al.
Veröffentlicht: (2023)

Dual-Foundation Models for Unsupervised Domain Adaptation
von: Cheon, Yerin, et al.
Veröffentlicht: (2026)

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)

Split to Merge: Unifying Separated Modalities for Unsupervised Domain Adaptation
von: Li, Xinyao, et al.
Veröffentlicht: (2024)

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

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

Joint-Optimized Unsupervised Adversarial Domain Adaptation in Remote Sensing Segmentation with Prompted Foundation Model
von: Lyu, Shuchang, et al.
Veröffentlicht: (2024)

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

Improving Online Source-free Domain Adaptation for Object Detection by Unsupervised Data Acquisition
von: Shi, Xiangyu, et al.
Veröffentlicht: (2023)

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

SelfAdapt: Unsupervised Domain Adaptation of Cell Segmentation Models
von: Reith, Fabian H., et al.
Veröffentlicht: (2025)

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

DAM: Dual Active Learning with Multimodal Foundation Model for Source-Free Domain Adaptation
von: Chen, Xi, 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)

A Tale of Two Experts: Cooperative Learning for Source-Free Unsupervised Domain Adaptation
von: Yu, Jiaping, et al.
Veröffentlicht: (2025)

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

PanDA: Unsupervised Domain Adaptation for Multimodal 3D Panoptic Segmentation in Autonomous Driving
von: Pan, Yining, et al.
Veröffentlicht: (2026)

Co-Teaching for Unsupervised Domain Adaptation and Expansion
von: Lin, Hailan, et al.
Veröffentlicht: (2022)

Cross-Domain Attribute Alignment with CLIP: A Rehearsal-Free Approach for Class-Incremental Unsupervised Domain Adaptation
von: Mi, Kerun, et al.
Veröffentlicht: (2025)

FedSCAl: Leveraging Server and Client Alignment for Unsupervised Federated Source-Free Domain Adaptation
von: Yashwanth, M, et al.
Veröffentlicht: (2025)

Leveraging Segment Anything Model for Source-Free Domain Adaptation via Dual Feature Guided Auto-Prompting
von: Huai, Zheang, et al.
Veröffentlicht: (2025)

Rethinking the Need for Source Models: Source-Free Domain Adaptation from Scratch Guided by a Vision-Language Model
von: Bingtao, Zhou, et al.
Veröffentlicht: (2026)

Adapting In-Domain Few-Shot Segmentation to New Domains without Source Domain Retraining
von: Fan, Qi, et al.
Veröffentlicht: (2025)

AdaptSplat: Adapting Vision Foundation Models for Feed-Forward 3D Gaussian Splatting
von: Xing, Mingwei, et al.
Veröffentlicht: (2026)

Multi-Prompt Alignment for Multi-Source Unsupervised Domain Adaptation
von: Chen, Haoran, et al.
Veröffentlicht: (2022)

SPIRIT: Adapting Vision Foundation Models for Unified Single- and Multi-Frame Infrared Small Target Detection
von: Xu, Qian, et al.
Veröffentlicht: (2026)

Align, Minimize and Diversify: A Source-Free Unsupervised Domain Adaptation Method for Handwritten Text Recognition
von: Alfaro-Contreras, María, et al.
Veröffentlicht: (2024)

Robust Source-Free Domain Adaptation for Medical Image Segmentation based on Curriculum Learning
von: Zhang, Ziqi, et al.
Veröffentlicht: (2025)

Towards Unsupervised Domain Adaptation via Domain-Transformer
von: Chuan-Xian, Ren, et al.
Veröffentlicht: (2022)

DRIVE: Dual-Robustness via Information Variability and Entropic Consistency in Source-Free Unsupervised Domain Adaptation
von: Xiao, Ruiqiang, et al.
Veröffentlicht: (2024)

Towards Unbiased Source-Free Object Detection via Vision Foundation Models
von: Cai, Zhi, et al.
Veröffentlicht: (2026)

ViLAaD: Enhancing "Attracting and Dispersing'' Source-Free Domain Adaptation with Vision-and-Language Model
von: Tarashima, Shuhei, 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)