論文の概要: Partial Video Domain Adaptation with Partial Adversarial Temporal Attentive Network

• arxiv url: http://arxiv.org/abs/2107.04941v1
• Date: Sun, 11 Jul 2021 02:17:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-13 16:19:12.451713
• Title: Partial Video Domain Adaptation with Partial Adversarial Temporal Attentive Network
• Title（参考訳）: 部分逆時間的注意ネットワークを用いた部分映像領域適応
• Authors: Yuecong Xu, Jianfei Yang, Haozhi Cao, Qi Li, Kezhi Mao, Zhenghua Chen
• Abstract要約: 部分的ドメイン適応(Partial Domain Adaptation, PDA)は、実用的で一般的なドメイン適応シナリオである。 PDAの主な課題は、ソースのみのクラスによって引き起こされる負の転送の問題である。 本稿では,この問題に対処する新しい部分アドリアラル時間注意ネットワーク(PATAN)を提案する。
• 参考スコア（独自算出の注目度）: 18.697968891718702
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Partial Domain Adaptation (PDA) is a practical and general domain adaptation scenario, which relaxes the fully shared label space assumption such that the source label space subsumes the target one. The key challenge of PDA is the issue of negative transfer caused by source-only classes. For videos, such negative transfer could be triggered by both spatial and temporal features, which leads to a more challenging Partial Video Domain Adaptation (PVDA) problem. In this paper, we propose a novel Partial Adversarial Temporal Attentive Network (PATAN) to address the PVDA problem by utilizing both spatial and temporal features for filtering source-only classes. Besides, PATAN constructs effective overall temporal features by attending to local temporal features that contribute more toward the class filtration process. We further introduce new benchmarks to facilitate research on PVDA problems, covering a wide range of PVDA scenarios. Empirical results demonstrate the state-of-the-art performance of our proposed PATAN across the multiple PVDA benchmarks.
• Abstract（参考訳）: 部分的ドメイン適応 (Partial Domain Adaptation, PDA) は実用的で一般的なドメイン適応シナリオであり、ソースラベル空間がターゲットとなるように、完全に共有されたラベル空間の仮定を緩和する。 PDAの主な課題は、ソースのみのクラスによる負の転送の問題である。 ビデオの場合、そのような負の転送は、空間的特徴と時間的特徴の両方によって引き起こされ、より困難なビデオ領域適応(PVDA)問題を引き起こす可能性がある。 本稿では,ソースのみのクラスをフィルタリングするための空間的特徴と時間的特徴を両立させてPVDA問題に対処する,新しいPATAN(Partial Adversarial Temporal Attentive Network)を提案する。 さらにpatanは、クラス濾過プロセスに寄与する局所的な時間的特徴に従うことによって、効果的な時間的特徴を構築する。 さらに、PVDA問題の研究を容易にするための新しいベンチマークを導入し、幅広いPVDAシナリオについて紹介する。 複数のPVDAベンチマークで提案したPATANの最先端性能を実証した。

関連論文リスト

• Unveiling the Superior Paradigm: A Comparative Study of Source-Free Domain Adaptation and Unsupervised Domain Adaptation [52.36436121884317]
  Source-Free Domain Adaptation (SFDA) は、現実のシナリオにおいて、Unsupervised Domain Adaptation (UDA) よりも一般的に優れていることを示す。 SFDAは、時間効率、ストレージ要件、対象とする学習目標、負の移動リスクの低減、過度な適合に対する堅牢性の向上といった利点を提供している。 利用可能なソースデータをマルチSFDA手法に効果的に統合する新しい重み推定法を提案する。
  論文  参考訳（メタデータ） (2024-11-24T13:49:29Z)
• Co-training partial domain adaptation networks for industrial Fault Diagnosis [0.0]
  部分的ドメイン適応(PDA)課題は,産業的欠陥診断において最も多い課題である。 対話型残留領域適応ネットワーク(IRDAN)と呼ばれる新しいPDAフレームワークを提案する。 IRDANは、PDAチャレンジの新しい視点を提供するために、各ドメインのドメインワイドモデルを導入します。
  論文  参考訳（メタデータ） (2024-10-22T06:46:05Z)
• Prompt-based Distribution Alignment for Unsupervised Domain Adaptation [42.77798810726824]
  教師なし学習型視覚言語モデル(VLM)は、ソースドメインとターゲットドメイン間の分布差を著しく低減できることを示す。 このようなモデルを下流のUDAタスクに直接デプロイする上での大きな課題は、迅速なエンジニアリングである。 本稿では,ドメイン知識を素早い学習に組み込むためのPDA手法を提案する。
  論文  参考訳（メタデータ） (2023-12-15T06:15:04Z)
• Unified Domain Adaptive Semantic Segmentation [96.74199626935294]
  Unsupervised Adaptive Domain Semantic (UDA-SS)は、ラベル付きソースドメインからラベル付きターゲットドメインに監督を移すことを目的としている。 本稿では,特徴量と特徴量との相違に対処するQuad-directional Mixup(QuadMix)法を提案する。 提案手法は,4つの挑戦的UDA-SSベンチマークにおいて,最先端の成果を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2023-11-22T09:18:49Z)
• Source-Free Domain Adaptation for Medical Image Segmentation via Prototype-Anchored Feature Alignment and Contrastive Learning [57.43322536718131]
  医用画像セグメンテーションのための2段階のソースフリードメイン適応(SFDA)フレームワークを提案する。 プロトタイプアンコールされた特徴アライメントの段階では,まず,事前学習した画素ワイド分類器の重みを原プロトタイプとして利用する。 そこで,本研究では,目標となる特徴とクラスプロトタイプとの整合性を期待するコストを最小化し,双方向輸送を導入する。
  論文  参考訳（メタデータ） (2023-07-19T06:07:12Z)
• CoSDA: Continual Source-Free Domain Adaptation [78.47274343972904]
  ソースデータにアクセスせずに、ソースフリードメイン適応(SFDA)は、ソースドメインのトレーニングされたモデルからターゲットドメインに知識を転送する。 最近では、ソースドメインのデータプライバシ保護の必要性から、SFDAの人気が高まっている。 教師-学生モデルペアを2倍高速に最適化し,整合性学習機能を備えた,CoSDAという連続的ソースフリードメイン適応手法を提案する。
  論文  参考訳（メタデータ） (2023-04-13T15:53:23Z)
• Spatio-Temporal Pixel-Level Contrastive Learning-based Source-Free Domain Adaptation for Video Semantic Segmentation [117.39092621796753]
  Source Domain Adaptation(SFDA)セットアップは、ソースデータにアクセスすることなく、ターゲットドメインにソーストレーニングされたモデルを適用することを目的としている。 情報源データの欠如に対処するために,時間情報の相関を最大限に活用する新しい手法を提案する。 実験によると、PixelLは現在のUDAやFDAのアプローチと比較して、ベンチマークの非最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-03-25T05:06:23Z)
• Learning Temporal Consistency for Source-Free Video Domain Adaptation [16.230405375192262]
  実世界のアプリケーションでは、ソースビデオ領域の主題とシーンは、対象のビデオ領域の主題と無関係であるべきである。 このような問題に対処するため、より実用的なドメイン適応シナリオを、SFVDA(Source-Free Video-based Domain Adaptation)として定式化している。 本稿では,時間的一貫性を学習してSFVDAに対処するための新しい注意時間一貫性ネットワーク(ATCoN)を提案する。
  論文  参考訳（メタデータ） (2022-03-09T07:33:36Z)
• Multi-Source Video Domain Adaptation with Temporal Attentive Moment Alignment [22.003917814026934]
  マルチソースドメイン適応(MSDA)は、現実のシナリオにおいて、より実用的なドメイン適応シナリオである。 ソースデータが単一のドメインからサンプリングされ、均一なデータ分布と一致するという、従来のUnsupervised Domain Adaptation (UDA) の仮定を緩和する。 MSVDAは、異なるドメインペア間で異なるドメインシフトが存在するため、より難しい。 本研究では,時間的特徴量と空間的特徴量の両方を動的に整列させることにより,効果的な特徴量移動を実現するための新しい時間的注意モーメントアライメントネットワーク(TAMAN)を提案する。
  論文  参考訳（メタデータ） (2021-09-21T05:08:05Z)
• Adaptively-Accumulated Knowledge Transfer for Partial Domain Adaptation [66.74638960925854]
  部分ドメイン適応(PDA)は、ソースドメインラベル空間がターゲットドメインを置き換えるとき、現実的で困難な問題を扱う。 本稿では,2つの領域にまたがる関連カテゴリを整合させる適応的知識伝達フレームワーク(A$2KT)を提案する。
  論文  参考訳（メタデータ） (2020-08-27T00:53:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。