remedies 目标域星形失真问题以实现跨域少样本目标检测
计算机视觉与模式识别
2026-03-20 v1
摘要
跨域少样本目标检测 (CD-FSOD) 旨在从源域适应标注有限的目标域,但面临严重的域迁移和数据稀缺问题。本文发现,以前所未注意的现象:模型在目标域中注意力分散且聚焦不清,导致局化不准确和冗余预测,就像人类无法聚焦于视觉物体一样。因此,我们称之为目标域星形失真问题。分析 Transformer 各层注意力距离 reveals,常规 fine-tuning 本质上显示出整理此问题的趋势，但结果仍远不理想,本文旨在增强此趋势。受人类虹膜式视觉系统启发,我们通过包含 (1) 正向模式细化模块以使用类别特定原型重新塑造注意力以模拟视觉中心区域; (2) 负背景调制模块以建模背景上下文以增强边界判别,模拟视觉周边区域; (3) 文本语义对齐模块通过跨模态线索加强 center-periphery 区分;的生物学启发方法将星形注意力转换为聚焦模式,显著提高对目标域的适应性。在六个具有挑战性的 CD-FSOD 数据集上实验一致证明检测准确率得到提高并建立了新的最先进结果。
引用
@article{arxiv.2603.18541,
title = {Remedying Target-Domain Astigmatism for Cross-Domain Few-Shot Object Detection},
author = {Yongwei Jiang and Yixiong Zou and Yuhua Li and Ruixuan Li},
journal= {arXiv preprint arXiv:2603.18541},
year = {2026}
}
备注
Accepted to CVPR 2026