A2XP：面向私有域泛化

深度神经网络（DNNs）已在诸多领域尤其是计算机视觉中成为关键，表现优于以往方法。其部署中的一项关键挑战是不同域（如图像风格与环境条件）数据固有的偏置，导致域间隙。这需要从偏置训练数据中学习通用表示的技术，即域泛化。本文提出Attend to eXpert Prompts（A2XP），一种保留网络架构隐私与完整性的新颖域泛化方法。A2XP包含两阶段：专家适配与域泛化。第一阶段，为每个源域优化提示以引导模型至最优方向；第二阶段，训练两个嵌入网络以有效融合这些专家提示，旨在获得最优输出。我们充分的实验表明，A2XP在现有非私有域泛化方法上取得了最先进（SOTA）结果。实验结果验证了所提方法不仅应对了DNN中的域泛化挑战，也为更广泛的计算机视觉领域提供了隐私保护的高效方案。