为域泛化动态解码源域知识

优化分类器在来自未见域样本上的性能仍是一项挑战。尽管现有域泛化研究多聚焦于学习域不变特征表示，多专家框架已被提出作为一种可行方案并展现出良好性能。然而，当前多专家学习框架在推理时未能充分利用源域知识，导致次优性能。本工作中，我们提出将 Transformer 用于动态解码源域知识以实现域泛化。具体而言，我们为每个源域构建一个域特定局部专家，并构建一个域无关特征分支作为查询。Transformer 编码器将所有域特定特征编码为记忆中的源域知识。在 Transformer 解码器中，域无关查询与记忆在交叉注意力模块中交互，与输入相似的域将对注意力输出贡献更多。由此，源域知识被动态解码，用于当前来自未见域输入的推理。该机制使所提方法能很好地泛化至未见域。所提方法在域泛化领域的三个基准上进行了评估，并相较最先进（SOTA）方法展现出最佳性能。