迈向域泛化开集词汇目标检测：渐进域不变跨模态对齐方法
计算机视觉与模式识别
2026-03-31 v1
摘要
开集词汇目标检测(OVOD)在泛化到新类别方面取得了显著成功。然而，这一成功通常建立在域平稳性的隐含假设之上。在本工作中，我们对OVOD范式进行了原则性的重新审视，揭示了一个基本脆弱性：分布偏移发生时视觉流形与文本嵌入之间的脆弱耦合。我们首先系统地形式化了域泛化开集词汇目标检测(DG-OVOD)。通过实证分析，我们证明视觉偏移不仅仅是添加噪声；它会导致潜跨模态空间的坍塌，使新类别的视觉信号与其语义锚点分离。受这些洞察的启发，我们提出渐进域不变跨模态对齐(PICA)。PICA通过引入多层模糊度与信号强度课程偏离均匀训练。它构建自适应伪词原型，通过样本置信度和视觉一致性进行细化，以强制不变跨域模态对齐。我们的发现表明，OVOD对域偏移的鲁棒性本质上与潜跨模态对齐空间的稳定性相关。我们的工作既提供了具有挑战性的基准，也为构建真正可泛化的开集词汇系统提供了新视角，使其超越静态实验室条件。
引用
@article{arxiv.2603.27556,
title = {Towards Domain-Generalized Open-Vocabulary Object Detection: A Progressive Domain-invariant Cross-modal Alignment Method},
author = {Xiaoran Xu and Xiaoshan Yang and Jiangang Yang and Yifan Xu and Jian Liu and Changsheng Xu},
journal= {arXiv preprint arXiv:2603.27556},
year = {2026}
}