論文の概要: Domain Generalization via Frequency-based Feature Disentanglement and Interaction

• arxiv url: http://arxiv.org/abs/2201.08029v1
• Date: Thu, 20 Jan 2022 07:42:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-21 14:24:24.084261
• Title: Domain Generalization via Frequency-based Feature Disentanglement and Interaction
• Title（参考訳）: 周波数に基づく特徴分散と相互作用によるドメインの一般化
• Authors: Jingye Wang, Ruoyi Du, Dongliang Chang, and Zhanyu Ma
• Abstract要約: ドメインの一般化は、複数のソースドメインからドメインに依存しない知識をマイニングすることを目的としている。 i) 高周波・低周波特徴分離のためのエンコーダ・デコーダ構造を導入し, (ii) 両部からの有益な知識が効果的に連携できる情報相互作用機構を提案する。 提案手法は,広範に使用されている3つの領域一般化ベンチマークの最先端結果を得る。
• 参考スコア（独自算出の注目度）: 23.61154228837516
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data out-of-distribution is a meta-challenge for all statistical learning algorithms that strongly rely on the i.i.d. assumption. It leads to unavoidable labor costs and confidence crises in realistic applications. For that, domain generalization aims at mining domain-irrelevant knowledge from multiple source domains that can generalize to unseen target domains with unknown distributions. In this paper, leveraging the image frequency domain, we uniquely work with two key observations: (i) the high-frequency information of images depict object edge structure, which is naturally consistent across different domains, and (ii) the low-frequency component retains object smooth structure but are much more domain-specific. Motivated by these insights, we introduce (i) an encoder-decoder structure for high-frequency and low-frequency feature disentangling, (ii) an information interaction mechanism that ensures helpful knowledge from both two parts can cooperate effectively, and (iii) a novel data augmentation technique that works on the frequency domain for encouraging robustness of the network. The proposed method obtains state-of-the-art results on three widely used domain generalization benchmarks (Digit-DG, Office-Home, and PACS).
• Abstract（参考訳）: データアウトオブディストリビューションは、i.i.d.仮定に強く依存するすべての統計学習アルゴリズムのメタキャレンジである。 これは現実的な応用において、避けられない労働コストと信頼の危機をもたらす。 そのため、ドメイン一般化は、未知の分布を持つ未知のターゲットドメインに一般化できる複数のソースドメインからドメイン関連知識をマイニングすることを目的としている。 本稿では、画像周波数領域を利用して、2つの重要な観測を行う。 (i)画像の高周波情報は、異なる領域にまたがって自然に一貫した物体エッジ構造を描写し、 (ii)低周波成分はオブジェクトの滑らかな構造を保持するが、よりドメイン固有である。 これらの洞察に動機づけられ (i)高周波・低周波特徴分散のためのエンコーダデコーダ構造 二 両部から有益な知識を確保するための情報対話機構が効果的に連携することができること。 (iii)ネットワークの堅牢性を促進するために周波数領域で動作する新しいデータ拡張技術。 提案手法は、広く使われている3つの領域一般化ベンチマーク(Digit-DG, Office-Home, PACS)の最先端結果を得る。

関連論文リスト

• Frequency-Spatial Entanglement Learning for Camouflaged Object Detection [34.426297468968485]
  既存の手法では、複雑な設計で空間的特徴の識別能力を最大化することにより、画素類似性の影響を減らそうとしている。 本稿では,周波数領域と空間領域の表現を共同で探索し,周波数空間の絡み合い学習(FSEL)手法を提案する。 我々の実験は、広く使われている3つのデータセットにおける包括的量的および質的比較を通じて、21以上の最先端手法によるFSELの優位性を実証した。
  論文  参考訳（メタデータ） (2024-09-03T07:58:47Z)
• Improving Intrusion Detection with Domain-Invariant Representation Learning in Latent Space [4.871119861180455]
  マルチタスク学習を用いた2相表現学習手法を提案する。 我々は、先行空間と潜時空間の間の相互情報の最小化により、潜時空間を解き放つ。 モデルの有効性を複数のサイバーセキュリティデータセットで評価する。
  論文  参考訳（メタデータ） (2023-12-28T17:24:13Z)
• Compound Domain Generalization via Meta-Knowledge Encoding [55.22920476224671]
  マルチモーダル分布を再正規化するために,スタイル駆動型ドメイン固有正規化(SDNorm)を導入する。 組込み空間における関係モデリングを行うために,プロトタイプ表現,クラスセントロイドを利用する。 4つの標準ドメイン一般化ベンチマークの実験により、COMENはドメインの監督なしに最先端のパフォーマンスを上回ることが判明した。
  論文  参考訳（メタデータ） (2022-03-24T11:54:59Z)
• Discovering Spatial Relationships by Transformers for Domain Generalization [8.106918528575267]
  ドメインの一般化は、コンピュータビジョンにおけるAI技術の迅速な開発のおかげで難しい問題である。 ほとんどの高度なアルゴリズムは畳み込みニューラルネット(CNN)に基づくディープアーキテクチャによって提案されている。
  論文  参考訳（メタデータ） (2021-08-23T10:35:38Z)
• Coarse to Fine: Domain Adaptive Crowd Counting via Adversarial Scoring Network [58.05473757538834]
  本稿では,ドメイン間のギャップを粗い粒度から細かな粒度に埋める新しい逆スコアリングネットワーク (ASNet) を提案する。 3組のマイグレーション実験により,提案手法が最先端のカウント性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-07-27T14:47:24Z)
• Unsupervised Domain Adaptive 3D Detection with Multi-Level Consistency [90.71745178767203]
  ディープラーニングに基づく3Dオブジェクト検出は、大規模な自律走行データセットの出現によって、前例のない成功を収めた。 既存の3Dドメイン適応検出手法は、しばしばターゲットのドメインアノテーションへの事前アクセスを前提とします。 我々は、ソースドメインアノテーションのみを利用する、より現実的な、教師なしの3Dドメイン適応検出について研究する。
  論文  参考訳（メタデータ） (2021-07-23T17:19:23Z)
• A Fourier-based Framework for Domain Generalization [82.54650565298418]
  ドメインの一般化は、複数のソースドメインから伝達可能な知識を学習して、未確認のターゲットドメインに一般化することでこの問題に対処することを目的としている。 本稿では、ドメイン一般化のための新しいフーリエに基づく視点を紹介する。 3つのベンチマーク実験により,提案手法は領域一般化のための最先端性能を実現することができることを示した。
  論文  参考訳（メタデータ） (2021-05-24T06:50:30Z)
• Cross-Domain Facial Expression Recognition: A Unified Evaluation Benchmark and Adversarial Graph Learning [85.6386289476598]
  我々は,クロスドメイン全体的特徴共適応のための新しい逆グラフ表現適応(AGRA)フレームワークを開発した。 我々は,いくつかの一般的なベンチマークで広範囲かつ公平な評価を行い,提案したAGRAフレームワークが従来の最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-08-03T15:00:31Z)
• 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)

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。