論文の概要: GLAD: Global-Local View Alignment and Background Debiasing for Unsupervised Video Domain Adaptation with Large Domain Gap

• arxiv url: http://arxiv.org/abs/2311.12467v1
• Date: Tue, 21 Nov 2023 09:27:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 01:17:24.922608
• Title: GLAD: Global-Local View Alignment and Background Debiasing for Unsupervised Video Domain Adaptation with Large Domain Gap
• Title（参考訳）: glad: 大きなドメインギャップを持つ教師なしビデオドメイン適応のためのグローバルローカルビューアライメントと背景デバイアス
• Authors: Hyogun Lee, Kyungho Bae, Seongjong Ha, Yumin Ko, Gyeongmoon Park, Jinwoo Choi
• Abstract要約: 動作認識のための教師なしビデオドメイン適応(UVDA)の課題に対処する。 我々は,時間的ダイナミクスと背景シフトの両面において,ドメインギャップがかなり大きい,Kineetics->BABELという新しいUVDAシナリオを導入する。 本研究では,提案手法がKineetics->BABELデータセットの領域ギャップが大きい既存手法よりも大幅に改善されていることを実証的に検証した。
• 参考スコア（独自算出の注目度）: 9.284539958686368
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this work, we tackle the challenging problem of unsupervised video domain adaptation (UVDA) for action recognition. We specifically focus on scenarios with a substantial domain gap, in contrast to existing works primarily deal with small domain gaps between labeled source domains and unlabeled target domains. To establish a more realistic setting, we introduce a novel UVDA scenario, denoted as Kinetics->BABEL, with a more considerable domain gap in terms of both temporal dynamics and background shifts. To tackle the temporal shift, i.e., action duration difference between the source and target domains, we propose a global-local view alignment approach. To mitigate the background shift, we propose to learn temporal order sensitive representations by temporal order learning and background invariant representations by background augmentation. We empirically validate that the proposed method shows significant improvement over the existing methods on the Kinetics->BABEL dataset with a large domain gap. The code is available at https://github.com/KHUVLL/GLAD.
• Abstract（参考訳）: 本研究では,動作認識のための教師なしビデオドメイン適応(UVDA)の課題に対処する。 既存の作業は、ラベル付きソースドメインとラベルなしターゲットドメインの間の小さなドメインギャップを主に扱うのとは対照的です。 より現実的な設定を確立するために,時間的ダイナミクスと背景シフトの両面において,領域差がかなり大きい,Kineetics->BABELと呼ばれる新しいUVDAシナリオを導入する。 震源領域と対象領域の動作持続時間差といった時間的変化に対処するため,グローバル・ローカル・ビューアライメントアプローチを提案する。 背景変化を軽減するため,時間順学習による時間順センシティブな表現と,背景拡張による背景不変表現を提案する。 本研究では,提案手法がKineetics->BABELデータセットの領域ギャップが大きい既存手法よりも大幅に改善されていることを実証的に検証した。 コードはhttps://github.com/KHUVLL/GLADで公開されている。

関連論文リスト

• Contrastive Domain Adaptation for Time-Series via Temporal Mixup [14.723714504015483]
  時系列データのための新しい軽量コントラスト型ドメイン適応フレームワークであるCoTMixを提案する。 具体的には、ソースとターゲットドメインに対する2つの中間的な拡張ビューを生成するための、新しい時間混合戦略を提案する。 我々のアプローチは、最先端のUDAメソッドを著しく上回ります。
  論文  参考訳（メタデータ） (2022-12-03T06:53:38Z)
• An End-to-end Supervised Domain Adaptation Framework for Cross-Domain Change Detection [29.70695339406896]
  クロスドメイン変更検出のためのエンドツーエンドのドメイン適応フレームワークを提案する。 SDACDは画像と特徴の両方の観点から協調的な適応と教師あり学習を提示する。 我々のフレームワークは、いくつかの代表的ベースラインモデルを新しいState-Of-The-Artレコードに押し上げる。
  論文  参考訳（メタデータ） (2022-04-01T01:35:30Z)
• Self-supervised Autoregressive Domain Adaptation for Time Series Data [9.75443057146649]
  教師なしドメイン適応(UDA)は、視覚アプリケーションにおけるドメインシフト問題にうまく対処している。 これらの手法は、以下の理由により時系列データのパフォーマンスが制限される可能性がある。 本稿では,これらの制約に対処するための自己監督型自己回帰ドメイン適応(SLARDA)フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-29T08:17:23Z)
• PIT: Position-Invariant Transform for Cross-FoV Domain Adaptation [53.428312630479816]
  フィールド・オブ・ビュー(FoV)ギャップは、ソースとターゲットドメイン間の顕著なインスタンスの出現差を誘導する。 本研究では,異なる領域における画像の整合性を改善するために,textbfPosition-Invariant Transform (PIT)を提案する。
  論文  参考訳（メタデータ） (2021-08-16T15:16:47Z)
• AFAN: Augmented Feature Alignment Network for Cross-Domain Object Detection [90.18752912204778]
  オブジェクト検出のための教師なしドメイン適応は、多くの現実世界のアプリケーションにおいて難しい問題である。 本稿では、中間領域画像生成とドメイン・アドバイザリー・トレーニングを統合した新しい機能アライメント・ネットワーク(AFAN)を提案する。 提案手法は、類似および異種ドメイン適応の双方において、標準ベンチマークにおける最先端の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2021-06-10T05:01:20Z)
• Pixel-Level Cycle Association: A New Perspective for Domain Adaptive Semantic Segmentation [169.82760468633236]
  本稿では,ソースとターゲットの画素ペア間の画素レベルサイクルの関連性を構築することを提案する。 我々の手法は1段階のエンドツーエンドで訓練でき、追加のパラメータは導入しない。
  論文  参考訳（メタデータ） (2020-10-31T00:11:36Z)
• 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)
• Spatial Attention Pyramid Network for Unsupervised Domain Adaptation [66.75008386980869]
  教師なし領域適応は様々なコンピュータビジョンタスクにおいて重要である。 教師なし領域適応のための新しい空間注意ピラミッドネットワークを設計する。 我々の手法は最先端の手法に対して大きなマージンで好適に機能する。
  論文  参考訳（メタデータ） (2020-03-29T09:03:23Z)
• Mind the Gap: Enlarging the Domain Gap in Open Set Domain Adaptation [65.38975706997088]
  オープンセットドメイン適応(OSDA)は、ターゲットドメインに未知のクラスが存在することを前提としている。 既存の最先端手法は、より大きなドメインギャップが存在する場合、かなりの性能低下を被ることを示す。 我々は、より大きなドメインギャップに特に対処するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-08T14:20:24Z)

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。