面向动作识别的模型无关多域学习及其域特定适配器
计算机视觉与模式识别
2022-11-15 v2
摘要
本文提出一种用于动作识别的多域学习模型。该方法在骨干网络的域无关层之间插入域特定适配器。与仅切换分类头的多头网络不同，我们的模型不仅切换头，还切换适配器，以促进学习对多个域通用的特征表示。与先前工作不同，所提方法为模型无关，且不假设模型结构。在三个流行动作识别数据集(HMDB51、UCF101和Kinetics-400)上的实验结果表明，该方法比多头架构更有效，且比为每个域单独训练模型更高效。
引用
@article{arxiv.2204.07270,
title = {Model-agnostic Multi-Domain Learning with Domain-Specific Adapters for Action Recognition},
author = {Kazuki Omi and Jun Kimata and Toru Tamaki},
journal= {arXiv preprint arXiv:2204.07270},
year = {2022}
}
备注
IEICE Transactions on Information and Systems, Vol. E105-D, No. 12, Dec. 2022