Buchumschlag

Continual Distillation of Teachers from Different Domains

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Michel, Nicolas, Wang, Maorong, He, Jiangpeng, Yamasaki, Toshihiko
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

Dealing with Synthetic Data Contamination in Online Continual Learning
von: Wang, Maorong, et al.
Veröffentlicht: (2024)

Reward Incremental Learning in Text-to-Image Generation
von: Wang, Maorong, et al.
Veröffentlicht: (2024)

From Offline to Online Memory-Free and Task-Free Continual Learning via Fine-Grained Hypergradients
von: Michel, Nicolas, et al.
Veröffentlicht: (2025)

Rethinking Momentum Knowledge Distillation in Online Continual Learning
von: Michel, Nicolas, et al.
Veröffentlicht: (2023)

Adversarial Training from Mean Field Perspective
von: Kumano, Soichiro, et al.
Veröffentlicht: (2025)

Theoretical Understanding of Learning from Adversarial Perturbations
von: Kumano, Soichiro, et al.
Veröffentlicht: (2024)

Wide Two-Layer Networks can Learn from Adversarial Perturbations
von: Kumano, Soichiro, et al.
Veröffentlicht: (2024)

DELTA: Decoupling Long-Tailed Online Continual Learning
von: Raghavan, Siddeshwar, et al.
Veröffentlicht: (2024)

Adversarially Pretrained Transformers May Be Universally Robust In-Context Learners
von: Kumano, Soichiro, et al.
Veröffentlicht: (2025)

One Adapter for All: Towards Unified Representation in Step-Imbalanced Class-Incremental Learning
von: Zhang, Xiaoyan, et al.
Veröffentlicht: (2026)

Attribute-Guided Multi-Level Attention Network for Fine-Grained Fashion Retrieval
von: Xiao, Ling, et al.
Veröffentlicht: (2022)

Improving Plasticity in Online Continual Learning via Collaborative Learning
von: Wang, Maorong, et al.
Veröffentlicht: (2023)

A Multihead Continual Learning Framework for Fine-Grained Fashion Image Retrieval with Contrastive Learning and Exponential Moving Average Distillation
von: Xiao, Ling, et al.
Veröffentlicht: (2026)

Online Distillation with Continual Learning for Cyclic Domain Shifts
von: Houyon, Joachim, et al.
Veröffentlicht: (2023)

Direct Distillation between Different Domains
von: Tang, Jialiang, et al.
Veröffentlicht: (2024)

Adaptive Dual-Teacher Distillation with Subnetwork Rectification for Bridging Semantic Gaps in Black-Box Domain Adaptation
von: Zhang, Zhe, et al.
Veröffentlicht: (2026)

PolyGen: Fully Synthetic Vision-Language Training via Multi-Generator Ensembles
von: Brusini, Leonardo, et al.
Veröffentlicht: (2026)

Continual Distillation Learning: Knowledge Distillation in Prompt-based Continual Learning
von: Zhang, Qifan, et al.
Veröffentlicht: (2024)

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

Knowledge Distillation Based on Transformed Teacher Matching
von: Zheng, Kaixiang, et al.
Veröffentlicht: (2024)

MST-Distill: Mixture of Specialized Teachers for Cross-Modal Knowledge Distillation
von: Li, Hui, et al.
Veröffentlicht: (2025)

Forward-Backward Knowledge Distillation for Continual Clustering
von: Sadeghi, Mohammadreza, et al.
Veröffentlicht: (2024)

Adversarial Score identity Distillation: Rapidly Surpassing the Teacher in One Step
von: Zhou, Mingyuan, et al.
Veröffentlicht: (2024)

Densely Distilling Cumulative Knowledge for Continual Learning
von: Shi, Zenglin, et al.
Veröffentlicht: (2024)

Modality-Balanced Collaborative Distillation for Multi-Modal Domain Generalization
von: Wang, Xiaohan, et al.
Veröffentlicht: (2025)

Mitigating Accuracy-Robustness Trade-off via Balanced Multi-Teacher Adversarial Distillation
von: Zhao, Shiji, et al.
Veröffentlicht: (2023)

Spectral Gradient Surgery for Domain-Generalizable Dataset Distillation
von: Oh, Minyoung, et al.
Veröffentlicht: (2026)

Convergence Analysis of Blurring Mean Shift
von: Yamasaki, Ryoya, et al.
Veröffentlicht: (2024)

Dynamic Sub-graph Distillation for Robust Semi-supervised Continual Learning
von: Fan, Yan, et al.
Veröffentlicht: (2023)

PracticalDG: Perturbation Distillation on Vision-Language Models for Hybrid Domain Generalization
von: Chen, Zining, et al.
Veröffentlicht: (2024)

DUNE: Distilling a Universal Encoder from Heterogeneous 2D and 3D Teachers
von: Sariyildiz, Mert Bulent, et al.
Veröffentlicht: (2025)

Learning Representations on the Unit Sphere: Investigating Angular Gaussian and von Mises-Fisher Distributions for Online Continual Learning
von: Michel, Nicolas, et al.
Veröffentlicht: (2023)

Domain Generalization for Crop Segmentation with Standardized Ensemble Knowledge Distillation
von: Angarano, Simone, et al.
Veröffentlicht: (2023)

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

GMM-COMET: Continual Source-Free Universal Domain Adaptation via a Mean Teacher and Gaussian Mixture Model-Based Pseudo-Labeling
von: Schlachter, Pascal, et al.
Veröffentlicht: (2026)

Dual-Imbalance Continual Learning for Real-World Food Recognition
von: Zhang, Xiaoyan, et al.
Veröffentlicht: (2026)

The Role of Teacher Calibration in Knowledge Distillation
von: Kim, Suyoung, et al.
Veröffentlicht: (2025)

Unified Vector Floorplan Generation via Markup Representation
von: Shiohara, Kaede, et al.
Veröffentlicht: (2026)

CE-FAM: Concept-Based Explanation via Fusion of Activation Maps
von: Kuroki, Michihiro, et al.
Veröffentlicht: (2025)

BSED: Baseline Shapley-Based Explainable Detector
von: Kuroki, Michihiro, et al.
Veröffentlicht: (2023)