DomainVerse: 面向真实世界分布漂移的无调参自适应域泛化基准
计算机视觉与模式识别
2024-03-06 v1
摘要
传统的跨域任务，包括域适应和域泛化，严重依赖源域数据训练模型。随着视觉语言模型(VLM)的最新进展，它们被视为天然源模型，跨域任务转变为直接利用预训练源模型适应具有先验域知识的任意目标域，我们将此任务命名为自适应域泛化(ADG)。然而，当前的跨域数据集存在许多局限性，例如不现实的域、域定义不清晰以及无法进行细粒度域分解，这促使我们为ADG建立一个新的数据集DomainVerse。得益于引入的域漂移层次定义，DomainVerse包含来自390个细粒度真实域的约50万张图像。借助构建的DomainVerse和VLM，我们提出了两种方法：Domain CLIP和Domain++ CLIP，用于无调参自适应域泛化。大量全面的实验证明了数据集的重要性以及所提方法的有效性。
引用
@article{arxiv.2403.02714,
title = {DomainVerse: A Benchmark Towards Real-World Distribution Shifts For Tuning-Free Adaptive Domain Generalization},
author = {Feng Hou and Jin Yuan and Ying Yang and Yang Liu and Yang Zhang and Cheng Zhong and Zhongchao Shi and Jianping Fan and Yong Rui and Zhiqiang He},
journal= {arXiv preprint arXiv:2403.02714},
year = {2024}
}
备注
Currently in review for ICML 2024