基于时间注意力矩对齐的多源视频域适应
计算机视觉与模式识别
2021-09-28 v2
摘要
多源域适应（MSDA）是现实场景中一种更实用的域适应设定。它放宽了传统无监督域适应（UDA）中源数据采自单一域且服从统一数据分布的假设。由于不同域对之间存在不同的域偏移，MSDA 更为困难。当考虑视频时，时空特征会引发负迁移，并可被表述为一个更具挑战性的多源视频域适应（MSVDA）问题。本文通过提出一种新颖的时间注意力矩对齐网络（TAMAN）来解决 MSVDA 问题，该网络旨在通过动态对齐空间与时间特征矩来实现有效的特征迁移。TAMAN 进一步通过关注具有较高局部分类置信度且全局与局部特征差异较小的主导域不变局部时间特征，构建鲁棒的全局时间特征。为促进未来对 MSVDA 问题的研究，我们引入了涵盖广泛 MSVDA 场景的综合基准。实证结果表明，所提出的 TAMAN 在多个 MSVDA 基准上均取得了优越性能。
引用
@article{arxiv.2109.09964,
title = {Multi-Source Video Domain Adaptation with Temporal Attentive Moment Alignment},
author = {Yuecong Xu and Jianfei Yang and Haozhi Cao and Keyu Wu and Min Wu and Rui Zhao and Zhenghua Chen},
journal= {arXiv preprint arXiv:2109.09964},
year = {2021}
}
备注
10 pages, 5 figures, Dataset to be available at https://xuyu0010.github.io/msvda.html