【论文速看】DL最新进展20240930-目标检测、目标跟踪、图像分割

【目标检测】

[ECCV2024 CD-FSOD] Cross-Domain Few-Shot Object Detection via Enhanced Open-Set Object Detector

论文链接：https://arxiv.org/pdf/2402.03094

代码链接：http://yuqianfu.com/CDFSOD-benchmark

本文研究了具有挑战性的跨域少样本目标检测（CD-FSOD），旨在为新领域开发一种准确的目标检测器，且仅需最少的标注样本。尽管基于变换器的开放集检测器（如DE-ViT）在传统的少样本目标检测中显示出良好的前景，但它们在CD-FSOD中的泛化能力仍不明确：1）这种开放集检测方法能否轻松泛化到CD-FSOD？2）如果不能，面对巨大的领域差距，如何增强模型？为了解答第一个问题，作者采用了风格、类间方差（ICV）和不可定义边界（IB）等指标来理解领域差距。基于这些指标，建立了一个新的基准CD-FSOD，用于评估目标检测方法，揭示大多数当前方法在跨域泛化方面的不足。从技术上讲，作者观察到性能下降与所提出的指标（风格、ICV和IB）相关。因此，提出了几个新模块来解决这些问题。首先，可学习的实例特征将初始固定实例与目标类别对齐，从而增强特征的区分性。其次，实例重加权模块为具有轻微IB的高质量实例分配更高的重要性。第三，领域提示器通过合成虚拟领域而不改变语义内容，鼓励特征对不同风格的鲁棒性。这些技术共同促成了跨域视觉变换器