机构名称：
¥ 1.0
域的概括（DG）旨在解决源和目标域之间的分布变化，而Cur-Currand DG方法默认是从源和目标域共享相同类别的数据的设置。nev-但是，在实际情况下，从目标域中存在看不见的类。为了解决此问题，已经出现了开放式域概括（OSDG），并且已经完全提出了几种方法。但是，与DG方法相比，大多数措施的方法采用了具有略有改进的复杂体系结构。最近，在通过微调范式的DG中引入了视觉模型（VLM），但用大型视力模型消耗了大型的训练开销。因此，在本文中，我们创新了知识从VLMS转移到轻质视觉模型，并通过从三种表达式（包括得分，类别和实例（SCI）（SCI）的三种观点引入扰动蒸馏（PD）来提高鲁棒性，称为SCI-PD。此外，以前的方法是由具有相同和固定拆分的基准定向的，忽略了源域之间的局限性。这些方法可以通过我们提出的新的基准混合域概括（HDG）和一种新型的度量H 2 -CV造成急剧性能的衰减，它们构建了var-ous拆卸以全面评估算法的鲁棒性。广泛的实验表明，我们的方法在多PLE数据集上优于最先进的算法，尤其是在数据稀缺时提高了鲁棒性。1。简介
混合储能系统的进步
主要关键词
相关文件推荐
