无源域适应

重新利用丢失的文本层用于无源跨域少样本学习

Reclaiming Lost Text Layers for Source-Free Cross-Domain Few-Shot Learning

揭示了CLIP文本编码器中间层在跨域少样本学习中的潜在价值，并提出通过层级别和编码器级别的引导来重新利用这些信息，为视觉分支在域偏移下的再学习提供了新思路。