手绘关键点：基于草图的少样本关键点检测

关键点检测作为现代机器感知的核心技术，在少样本学习场景下面临挑战，尤其是在源数据无法与查询数据来自同一分布时。为此，我们提出利用草图这一流行的类人表达形式，提供一种无源数据（source-free）的替代方案。然而，如何掌握跨模态嵌入并处理用户特定的草图风格仍是挑战。我们提出的框架采用原型化方案，结合网格定位器和原型域适应，克服了上述困难。通过大量实验，我们证明该方法在新关键点和新类别的少样本收敛方面取得了成功。