Tag · 3 篇
伪标签自训练
分布 自监督与表征学习1图像分割1视觉语言模型1
01 02 03
视觉语言模型引导的最优传输无源域自适应
Vision-Language Model Guided Source-Free Domain Adaptation via Optimal Transport
用预训练 VLM 的语义先验替代不可靠伪标签来构造目标特征与源原型的 OT 匹配，并配合模型↔VLM 双向蒸馏交替训练，可作为无源域自适应、测试时无标签迁移场景下替代伪标签自训练的通用范式。
ReSAM：精炼、重查询与强化——面向遥感图像的自提示词点监督分割
ReSAM: Refine, Requery, and Reinforce: Self-Prompting Point-Supervised Segmentation for Remote Sensing Images
把 SAM 的交互式提示词从人工输入改为自生成循环（点→伪掩码→自构框提示词→重查询），并用软语义对齐约束嵌入，这套自提示词自训练流程可直接迁移到任何缺乏密集标注的专业成像域分割任务。
基于双层级置信度的医学视觉问答隐式自精炼
Dual-Level Confidence based Implicit Self-Refinement for Medical Visual Question Answering
提出双层级置信度（损失级与特征级）自适应融合为样本级权重，用于伪监督自训练，可迁移到其他视觉语言模型在分布偏移下的测试时自适应或半监督微调。