論文の概要: IDM: An Intermediate Domain Module for Domain Adaptive Person Re-ID

• arxiv url: http://arxiv.org/abs/2108.02413v1
• Date: Thu, 5 Aug 2021 07:19:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-06 14:39:28.850081
• Title: IDM: An Intermediate Domain Module for Domain Adaptive Person Re-ID
• Title（参考訳）: IDM: ドメイン適応型Re-IDのための中間ドメインモジュール
• Authors: Yongxing Dai, Jun Liu, Yifan Sun, Zekun Tong, Chi Zhang, Ling-Yu Duan
• Abstract要約: ソースとターゲットドメイン間のブリッジは、UDA re-IDタスクに対処するために有効である、と我々は主張する。 中間ドメインの表現をオンザフライで生成するための中間ドメインモジュール(IDM)を提案する。 提案手法は,UDAのre-IDタスクに共通するタスクにおいて,最先端のタスクよりも大きなマージンで性能を向上する。
• 参考スコア（独自算出の注目度）: 58.46907388691056
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unsupervised domain adaptive person re-identification (UDA re-ID) aims at transferring the labeled source domain's knowledge to improve the model's discriminability on the unlabeled target domain. From a novel perspective, we argue that the bridging between the source and target domains can be utilized to tackle the UDA re-ID task, and we focus on explicitly modeling appropriate intermediate domains to characterize this bridging. Specifically, we propose an Intermediate Domain Module (IDM) to generate intermediate domains' representations on-the-fly by mixing the source and target domains' hidden representations using two domain factors. Based on the "shortest geodesic path" definition, i.e., the intermediate domains along the shortest geodesic path between the two extreme domains can play a better bridging role, we propose two properties that these intermediate domains should satisfy. To ensure these two properties to better characterize appropriate intermediate domains, we enforce the bridge losses on intermediate domains' prediction space and feature space, and enforce a diversity loss on the two domain factors. The bridge losses aim at guiding the distribution of appropriate intermediate domains to keep the right distance to the source and target domains. The diversity loss serves as a regularization to prevent the generated intermediate domains from being over-fitting to either of the source and target domains. Our proposed method outperforms the state-of-the-arts by a large margin in all the common UDA re-ID tasks, and the mAP gain is up to 7.7% on the challenging MSMT17 benchmark. Code is available at https://github.com/SikaStar/IDM.
• Abstract（参考訳）: unsupervised domain adaptive person re-id(uda re-id)は、ラベル付きソースドメインの知識を転送して、ラベルなしターゲットドメインにおけるモデルの識別性を改善することを目的としている。 新しい観点からは、ソースドメインとターゲットドメイン間のブリッジはuda re-idタスクに取り組むために利用できると主張し、このブリッジを特徴付ける適切な中間ドメインを明示的にモデル化することに焦点を当てている。 具体的には、2つのドメイン要素を用いてソースとターゲットドメインの隠れ表現を混合することにより、オンザフライで中間ドメインの表現を生成する中間ドメインモジュール(idm)を提案する。 すなわち、二つの極端領域の間の最短測地線経路に沿った中間領域はより良いブリッジングの役割を果たすことができるので、これらの中間領域が満足すべき2つの性質を提案する。 これら2つの特性が適切な中間領域をよりよく特徴付けるために、中間領域の予測空間と特徴空間の橋梁損失を強制し、2つの領域因子の多様性損失を強制する。 橋梁の損失は、適切な中間ドメインの分布を誘導し、ソースとターゲットドメインとの適切な距離を維持することを目的としている。 多様性の喪失は、生成された中間ドメインがソースドメインとターゲットドメインのいずれかに過度に適合することを防ぐための規則化として機能する。 提案手法は,すべてのUDA再IDタスクにおいて最先端の手法よりも優れており,MSMT17ベンチマークではmAPゲインが最大7.7%向上している。 コードはhttps://github.com/sikastar/idmで入手できる。

関連論文リスト

• Adversarial Bi-Regressor Network for Domain Adaptive Regression [52.5168835502987]
  ドメインシフトを軽減するために、クロスドメインレグレッタを学ぶことが不可欠です。 本稿では、より効果的なドメイン間回帰モデルを求めるために、ABRNet(Adversarial Bi-Regressor Network)を提案する。
  論文  参考訳（メタデータ） (2022-09-20T18:38:28Z)
• Bridging the Source-to-target Gap for Cross-domain Person Re-Identification with Intermediate Domains [63.23373987549485]
  クロスドメインの人物再識別(re-ID)は、ソースからターゲットドメインに識別された知識を転送することを目的としている。 中間ドメインモジュール(IDM)とミラー生成モジュール(MGM)を提案する。 IDMは、ソースドメインとターゲットドメインから隠れた層の特徴を混合することにより、複数の中間ドメインを生成する。 MGMは、特徴をIDM生成中間ドメインにマッピングすることで、元のアイデンティティを変更することなく導入される。
  論文  参考訳（メタデータ） (2022-03-03T12:44:56Z)
• Domain-Augmented Domain Adaptation [5.292532408558036]
  教師なしドメイン適応(Unsupervised domain adapt, UDA)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への知識伝達を可能にする。 本稿では,ドメイン拡張ドメイン適応(DADA)を提案し,ターゲットドメインとの差が小さい擬似ドメインを生成する。 4つのベンチマークデータセット上で、最先端のドメイン適応手法による広範な実験を行う。
  論文  参考訳（メタデータ） (2022-02-21T05:42:02Z)
• ConDA: Unsupervised Domain Adaptation for LiDAR Segmentation via Regularized Domain Concatenation [10.65673380743972]
  ConDAは、LiDARセグメンテーションのための結合ベースのドメイン適応フレームワークである。 本稿では, エイリアスや偽ラベルによる負の効果を低減するために, アンチエイリアス・レギュレータとエントロピー・アグリゲータを提案する。
  論文  参考訳（メタデータ） (2021-11-30T09:53:24Z)
• Domain Consistency Regularization for Unsupervised Multi-source Domain Adaptive Classification [57.92800886719651]
  近年,深層学習に基づくマルチソース非教師付きドメイン適応(MUDA)が活発に研究されている。 MUDAのドメインシフトは、ソースドメインとターゲットドメインの間だけでなく、複数のソースドメインの間にも存在します。 本稿では、教師なしマルチソースドメイン適応分類において、ドメインの一貫性規則化を利用するエンドツーエンドのトレーニング可能なネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-16T07:29:27Z)
• Domain Conditioned Adaptation Network [90.63261870610211]
  本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。 これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
  論文  参考訳（メタデータ） (2020-05-14T04:23:24Z)
• Unsupervised Domain Adaptation with Progressive Domain Augmentation [34.887690018011675]
  本稿では,プログレッシブドメイン拡張に基づく新規な教師なしドメイン適応手法を提案する。 提案手法は、仮想中間ドメインをドメインを介して生成し、ソースドメインを徐々に拡張し、ソースターゲット領域の分岐をブリッジする。 本研究では,複数の領域適応タスクについて実験を行い,提案手法が最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2020-04-03T18:45:39Z)
• MADAN: Multi-source Adversarial Domain Aggregation Network for Domain Adaptation [58.38749495295393]
  ドメイン適応は、あるラベル付きソースドメインと、わずかにラベル付けまたはラベル付けされていないターゲットドメインの間のドメインシフトをブリッジするために、転送可能なモデルを学ぶことを目的としています。 近年のマルチソース領域適応法(MDA)では,ソースとターゲット間の画素レベルのアライメントは考慮されていない。 これらの課題に対処するための新しいMDAフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T21:22:00Z)

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。