多视角对抗判别器：挖掘 unseen 域中目标检测的非因果因子
计算机视觉与模式识别
2023-04-07 v1
摘要
域偏移在实际应用中的目标检测模型上会降低性能。为缓解域偏移的影响，大量先前工作尝试通过域对抗学习（DAL）从源域解耦并学习域不变（公共）特征。然而，受因果机制的启发，我们发现先前方法忽略了隐藏在公共特征中隐式的、不显著的非因果因子。这主要归因于 DAL 的单视角性质。在本工作中，我们提出一种通过对源域进行多视角对抗训练来从公共特征中去除非因果因子的思路，因为我们观察到由于数据的多模态结构，此类不显著的非因果因子在其他潜在空间（视角）中可能仍然是显著的。综上，我们提出了一种基于多视角对抗判别器（MAD）的域泛化模型，其由一个通过随机增强增加源域多样性的虚假关联生成器（SCG）和一个将特征映射到多个潜在空间的多视角域分类器（MVDC）组成，从而去除非因果因子并纯化域不变特征。在六个基准上的大量实验表明我们的 MAD 取得了最先进的性能。
引用
@article{arxiv.2304.02950,
title = {Multi-view Adversarial Discriminator: Mine the Non-causal Factors for Object Detection in Unseen Domains},
author = {Mingjun Xu and Lingyun Qin and Weijie Chen and Shiliang Pu and Lei Zhang},
journal= {arXiv preprint arXiv:2304.02950},
year = {2023}
}
备注
CVPR 2023 (Highlight, top 2.5%). Pytorch vs. MindSpore Code at "https://github.com/K2OKOH/MAD"