May, 2017

视觉域自适应的几何和统计联合对齐

PDF
TL;DR本文提出一种新的无监督领域自适应方法，称为联合几何和统计对齐（JGSA），可以通过统计和几何学方法同时减少源域和目标域之间的偏差。通过两个耦合投影，将源域和目标域数据投影到一维子空间中，同时减少几何偏移和分布偏移，并且目标函数可以高效地封闭求解。大量实验证明，所提出的方法在合成数据集和三个不同的实际交叉领域视觉识别任务上显著优于若干现有领域适应方法。
unsupervised domain adaptationvisual recognitiongeometrical alignmentstatistical alignmentclosed-form solution
发现论文，激发创造
  • 面向几何感知的领域自适应方法用于词嵌入无监督对齐

    提出了一种基于流形的几何学方法，用于学习源语言和目标语言之间的无监督对齐单词嵌入。该方法将对齐学习问题进行了公式化，并将其视为具有两倍随机矩阵的流形上的域自适应问题。实验表明，该方法在多种语言对的双语词汇识别任务上优于现有的最优传输方法，尤其对于远程语言对的性能改进更为显著。

    Apr, 2020

  • GA-DAN：用于场景文本检测和识别的几何感知域自适应网络

    本文提出了一种新颖的能够同时模拟几何空间和出现空间中的跨域移位的几何感知域自适应网络 (GA-DAN)，并可在具有非常不同特征的不同领域之间实现逼真的图像转换。在所提出的 GA-DAN 中，设计了一种新颖的多模态空间学习技术，它将源域图像转换为目标域中不同空间视图的多个图像。还引入了一种新的分离循环一致性损失 (loss)，来平衡外观空间和几何空间的循环一致性，并大大提高整个网络的学习性能，该 GA-DAN 在经典场景文本检测和识别任务中进行了评估，实验证明，在应用于网络训练时，域适应图像可以实现更好的场景文本检测和识别性能。

    Jul, 2019

  • CL3D：基于无监督领域自适应的跨激光雷达 3D 检测

    利用空间几何对齐和时间运动对齐构建自适应域归一化方法，以头显和机械扫描激光雷达的点云数据为例，实现了跨设备 3D 检测的最新性能水平。

    Dec, 2022

  • EAGLE: 跨视角理解中高效自适应基于几何的学习

    通过引入新的无监督跨视图适应学习方法，我们解决了语义场景理解中不同摄像头视角的几何结构变化建模问题，并在不同跨视图适应基准上证明了我们方法在跨视图建模方面的有效性，与之前的无监督领域适应和开放词汇语义分割方法相比，实现了最先进的性能。

    Jun, 2024

  • 语义分割的无监督对比域自适应

    通过对比学习实现特征对齐，提出了一种跨领域适应的标签扩展方法，结果表明，我们的方法在 Cityscapes 数据集上的表现始终优于最先进的方法。

    Apr, 2022

  • 在自适应目标检测中寻求相似性优于差异性：基于相似性的领域对齐

    提出了一个广义的 Unsupervised Domain Adaptation 框架，基于此直接实现了 ViSGA 算法，通过视觉相似性分组来聚合特征，并基于对抗训练进行群体对齐，并将其应用在多源数据集中，在 Sim2Real 和 Adverse Weather 数据集上取得了优于之前方法的性能。

    Oct, 2021

  • 自我引导适应：逐步表示对齐的领域自适应目标检测

    提出了一种名为 “自主引导自适应” 的方法，该方法通过计算难度因素来提高跨域对象检测模型的鲁棒性，并表现出在大范围领域转移方面的有效性。

    Mar, 2020

  • 基于几何感知的单目深度估计对称域自适应

    本文提出了一种基于几何感知的对称域自适应框架 (GASDA)，将合成数据中的标签和现实数据中的极线几何 (epipolar geometry) 共同探索，通过训练两个图像样式转换器和深度估计器对称地建立端到端网络，实现更好的图像样式转换和深度图像生成。实验结果表明，该方法的效果显著，性能接近最先进技术水平。

    Apr, 2019

  • 标签驱动的域自适应语义分割重建

    该研究提出了一种新的框架来缓解图像翻译偏差问题并将不同领域的特征对齐，该框架通过对目标到源的翻译和从预测标签中重构源和目标图像来实现。实验结果表明，该方法在从合成到真实的城市场景理解中具有良好的效果。

    Mar, 2020

  • 面向域自适应语义分割的几何感知网络

    提出了一种新的基于几何感知网络的域自适应模型，通过利用更紧凑的三维几何点云表示来缩小领域差距，显式利用从 RGB-D 图像生成的点云的三维拓扑结构进行伪标签的细化，解决了估计二维深度时无法从根本上提取对象的内部三维信息的问题，并在 GTA5->Cityscapes 和 SYNTHIA->Cityscapes 两个领域中表现出的定量和定性的有效性，超越了现有的技术水平。

    Dec, 2022