論文の概要: Cross-Domain Few-Shot Segmentation via Iterative Support-Query Correspondence Mining

• arxiv url: http://arxiv.org/abs/2401.08407v2
• Date: Wed, 13 Mar 2024 17:28:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-14 17:27:23.710731
• Title: Cross-Domain Few-Shot Segmentation via Iterative Support-Query Correspondence Mining
• Title（参考訳）: 反復型サポートクエリによるクロスドメインFew-Shotセグメンテーション 対応マイニング
• Authors: Jiahao Nie, Yun Xing, Gongjie Zhang, Pei Yan, Aoran Xiao, Yap-Peng Tan, Alex C. Kot and Shijian Lu
• Abstract要約: Cross-Domain Few-Shots (CD-FSS) は、限定された例のみを用いて、異なるドメインから新しいカテゴリを分割するという課題を提起する。 本稿では,CD-FSSの課題に対処する新しいクロスドメイン微調整手法を提案する。
• 参考スコア（独自算出の注目度）: 81.09446228688559
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cross-Domain Few-Shot Segmentation (CD-FSS) poses the challenge of segmenting novel categories from a distinct domain using only limited exemplars. In this paper, we undertake a comprehensive study of CD-FSS and uncover two crucial insights: (i) the necessity of a fine-tuning stage to effectively transfer the learned meta-knowledge across domains, and (ii) the overfitting risk during the na\"ive fine-tuning due to the scarcity of novel category examples. With these insights, we propose a novel cross-domain fine-tuning strategy that addresses the challenging CD-FSS tasks. We first design Bi-directional Few-shot Prediction (BFP), which establishes support-query correspondence in a bi-directional manner, crafting augmented supervision to reduce the overfitting risk. Then we further extend BFP into Iterative Few-shot Adaptor (IFA), which is a recursive framework to capture the support-query correspondence iteratively, targeting maximal exploitation of supervisory signals from the sparse novel category samples. Extensive empirical evaluations show that our method significantly outperforms the state-of-the-arts (+7.8\%), which verifies that IFA tackles the cross-domain challenges and mitigates the overfitting simultaneously. The code is available at: https://github.com/niejiahao1998/IFA.
• Abstract（参考訳）: CD-FSS (Cross-Domain Few-Shot Segmentation) は、限定的な例のみを用いて、異なるドメインから新しいカテゴリを分割するという課題を提起する。 本稿では,CD-FSSの総合的研究を行い,2つの重要な知見を明らかにする。 一 学習したメタ知識をドメイン間で効果的に伝達する微調整段階の必要性 (II) 新規なカテゴリー例の不足による「微調整」における過度な適合リスク そこで本研究では,CD-FSSの課題に対処するクロスドメインな微調整手法を提案する。 我々はまず,双方向でサポートクエリ対応を確立するBFP(Bi-directional Few-shot Prediction)を設計し,オーバーフィッティングリスクを低減するために,補助的な監視を行う。 次に,BFP をイテレーティブFew-shot Adaptor (IFA) に拡張する。これは,スパースな新規カテゴリサンプルからの監視信号の最大利用を目標とし,サポートクエリ対応を反復的にキャプチャする再帰的なフレームワークである。 IFAがクロスドメインな課題に取り組み、オーバーフィッティングを同時に軽減することを検証する実験により、我々の手法は最先端技術(+7.8\%)を著しく上回っていることが明らかとなった。 コードは、https://github.com/niejiahao1998/IFA.comで入手できる。

関連論文リスト

• Understanding the Cross-Domain Capabilities of Video-Based Few-Shot Action Recognition Models [3.072340427031969]
  Few-shot Action Recognition (FSAR) は、ビデオ中の新しいアクションをわずかに例を使って識別できるモデルを学ぶことを目的としている。 メタトレーニング中に見られるベースデータセットと評価に使用される新しいデータセットは、異なるドメインから得ることができると仮定すると、クロスドメインの少数ショット学習によってデータ収集とアノテーションコストが軽減される。 我々は、新しいクロスドメインタスクに対して、既存の最先端の単一ドメイン、転送ベース、およびクロスドメインFSARメソッドを体系的に評価する。
  論文  参考訳（メタデータ） (2024-06-03T07:48:18Z)
• Semantic Feature Learning for Universal Unsupervised Cross-Domain Retrieval [10.270998709614538]
  本稿では,Universal Unsupervised Cross-Domain Retrieval (U2CDR) の問題を初めて紹介する。 第1段階では、インスタンスプロトタイプ混合コントラスト損失のガイダンスに基づいて、クロスドメイン統一構造が確立される。 第2段階では、修正された対向訓練機構により、ドメインアライメント中に確立された原型構造に対して最小限の変更が保証される。
  論文  参考訳（メタデータ） (2024-03-08T21:56:00Z)
• Cross-Domain Few-Shot Object Detection via Enhanced Open-Set Object Detector [72.05791402494727]
  本稿では,CD-FSODを用いたクロスドメイン小ショット検出法について検討する。 最小限のラベル付き例で、新しいドメインのための正確なオブジェクト検出器を開発することを目的としている。
  論文  参考訳（メタデータ） (2024-02-05T15:25:32Z)
• Cross-Domain Few-Shot Learning via Adaptive Transformer Networks [16.289485655725013]
  本稿では,ドメイン間数ショット学習のための適応型トランスフォーマネットワーク(ADAPTER)を提案する。 ADAPTERは2つのドメイン間で伝達可能な特徴を学習するために双方向の相互注意というアイデアに基づいて構築されている。
  論文  参考訳（メタデータ） (2024-01-25T07:05:42Z)
• MemSAC: Memory Augmented Sample Consistency for Large Scale Unsupervised Domain Adaptation [71.4942277262067]
  本稿では,ソースドメインとターゲットドメイン間のサンプルレベルの類似性を利用して識別的転送を実現するMemSACを提案する。 我々は,MemSACの有効性に関する詳細な分析と知見を提供する。
  論文  参考訳（メタデータ） (2022-07-25T17:55:28Z)
• Amplitude Spectrum Transformation for Open Compound Domain Adaptive Semantic Segmentation [62.68759523116924]
  オープン化合物ドメイン適応(OCDA)は、実用的な適応セットとして現れている。 我々は、新しい特徴空間振幅スペクトル変換(AST)を提案する。
  論文  参考訳（メタデータ） (2022-02-09T05:40:34Z)
• Few-Shot Domain Expansion for Face Anti-Spoofing [28.622220790439055]
  Face Anti-Spoofing (FAS) は顔認識システムにおいて必須かつ広く使われているモジュールである。 Few-Shot Domain Expansion for Face Anti-Spoofing (FSDE-FAS)
  論文  参考訳（メタデータ） (2021-06-27T07:38:50Z)
• A Transductive Multi-Head Model for Cross-Domain Few-Shot Learning [72.30054522048553]
  本稿では,クロスドメインなFew-Shot学習問題に対処するため,TMHFS(Transductive Multi-Head Few-Shot Learning)を提案する。 提案手法は, 4つの異なる対象領域において, 強いベースライン, 微調整を著しく上回っている。
  論文  参考訳（メタデータ） (2020-06-08T02:39:59Z)
• Cross-domain Detection via Graph-induced Prototype Alignment [114.8952035552862]
  カテゴリレベルのドメインアライメントを求めるグラフ誘発プロトタイプアライメント(GPA)フレームワークを提案する。 さらに,クラス不均衡がドメイン適応に与える影響を軽減するために,クラス重み付きコントラスト損失を設計する。 我々のアプローチは、既存の手法よりも顕著なマージンで優れています。
  論文  参考訳（メタデータ） (2020-03-28T17:46:55Z)

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。