SFUOD：源自由未知目标检测

源自由目标检测适用于从源域检测器适应无标签目标域，而无需访问标记的源数据。虽然这种设置在实际中具有可行性，因为它在域适应期间消除了对源数据集的需求，但其 operates under the restrictive assumption that only pre-defined objects from the source domain exist in the target domain。这种封闭集设置会阻止检测器检测未定义的对象。为缓解这一假设，我们提出源自由未知目标检测（SFUOD），一种新型场景，使检测器不仅能识别已知对象，还能将未定义对象检测为未知对象。为此，我们提出 CollaPAUL（Collaborative tuning and Principal Axis-based Unknown Labeling），一种用于 SFUOD 的新型框架。协作调优通过跨域注意力机制将来自辅助编码器的目标依赖知识与来自预训练检测器的源依赖知识集成，以增强知识适应。此外，基于主轴投影和模型预测置信度的未知标签分配通过估计对象性为对象分配伪标签。所提出的 CollaPAUL 在 SFUOD 框架上实现了最先进的性能，实验结果验证了其有效性。