一种用于域泛化的风格与语义记忆机制
计算机视觉与模式识别
2021-12-15 v1 人工智能
机器学习
摘要
主流最先进的域泛化算法倾向于优先考虑跨域语义不变性假设。同时，固有的域内风格不变性通常未被充分重视而被搁置。在本文中，我们揭示利用域内风格不变性对于提高域泛化效率同样具有关键作用。我们验证，网络知晓哪些域特征在实例间是不变且共享的至关重要，这样网络能 sharpen 其理解并提升语义判别能力。相应地，我们还提出了一种新颖的“陪审团”机制，它在学习域间有用语义特征共性方面特别有效。我们完整的模型称为 STEAM，可解释为一种新颖的概率图模型，其实现需要便捷地构建两类记忆库：语义特征库与风格特征库。实验结果表明，我们提出的框架以明显优势超越了最先进的方法。
引用
@article{arxiv.2112.07517,
title = {A Style and Semantic Memory Mechanism for Domain Generalization},
author = {Yang Chen and Yu Wang and Yingwei Pan and Ting Yao and Xinmei Tian and Tao Mei},
journal= {arXiv preprint arXiv:2112.07517},
year = {2021}
}
备注
ICCV 2021