使用扩散模型的潜空间进行域泛化

Leveraging Diffusion Latent Space for Domain Generalization论文标题What’s in a Latent? Leveraging Diffusion Latent Space for Domain Generalization论文作者Xavier Thomas1,Deepti Ghadiyaram论文链接https://arxiv.org/pdf/2503.06698项目主页https://github.com/XThomasBU/GUIDE/tree/main为了帮助理解这里还原其训练循环的抽象逻辑加载预训练 Phi (ResNet-50) 和 Psi (DiT/SD-2.1)冻结 Psi。提取所有训练数据在 Psi 下的特征。对特征执行 K-Means得到 K 个中心 {C_k} 及每个样本的归属标签。初始化分类器 MLP。For epoch in range(Total_Epochs):// 按对数调度决定是否更新映射If epoch in schedule:For each cluster k:计算该簇所有样本在 Phi 下的特征均值 M_kEnd For以 {C_k} 为输入{M_k} 为输出拟合 RBF 核岭回归模型 T。End IfFor batch in dataloader: 提取 Phi 特征 phi_x 根据样本的归属簇获取对应的映射后伪域中心 T(C_k) 拼接特征 concat [phi_x, T(C_k)] 送入 MLP 得到预测 logits 计算交叉熵损失反向传播更新 Phi 和 MLP保持 Psi 冻结 End ForEnd For