論文の概要: Remedying Target-Domain Astigmatism for Cross-Domain Few-Shot Object Detection

• arxiv url: http://arxiv.org/abs/2603.18541v1
• Date: Thu, 19 Mar 2026 06:55:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:05.988111
• Title: Remedying Target-Domain Astigmatism for Cross-Domain Few-Shot Object Detection
• Title（参考訳）: クロスドメインFew-Shotオブジェクト検出のためのターゲット・ドメイン・アシグマティクスの修復
• Abstract要約: クロスドメイン小ショットオブジェクト検出(CD-FSOD)は、ソースドメインからの事前訓練された検出器を限定アノテーションでターゲットドメインに適応することを目的としている。 モデルでは、ターゲットドメインに不正確で非集中的な注意を示す。 我々のバイオインスパイアされたアプローチは、アスティグマティックな注意を焦点を絞ったパターンに変え、ターゲットドメインへの適応を大幅に改善します。
• 参考スコア（独自算出の注目度）: 19.113214017897118
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cross-domain few-shot object detection (CD-FSOD) aims to adapt pretrained detectors from a source domain to target domains with limited annotations, suffering from severe domain shifts and data scarcity problems. In this work, we find a previously overlooked phenomenon: models exhibit dispersed and unfocused attention in target domains, leading to imprecise localization and redundant predictions, just like a human cannot focus on visual objects. Therefore, we call it the target-domain Astigmatism problem. Analysis on attention distances across transformer layers reveals that regular fine-tuning inherently shows a trend to remedy this problem, but results are still far from satisfactory, which we aim to enhance in this paper. Biologically inspired by the human fovea-style visual system, we enhance the fine-tuning's inherent trend through a center-periphery attention refinement framework, which contains (1) a Positive Pattern Refinement module to reshape attention toward semantic objects using class-specific prototypes, simulating the visual center region; (2) a Negative Context Modulation module to enhance boundary discrimination by modeling background context, simulating the visual periphery region; and (3) a Textual Semantic Alignment module to strengthen center-periphery distinction through cross-modal cues. Our bio-inspired approach transforms astigmatic attention into focused patterns, substantially improving adaptation to target domains. Experiments on six challenging CD-FSOD benchmarks consistently demonstrate improved detection accuracy and establish new state-of-the-art results.
• Abstract（参考訳）: クロスドメインスショットオブジェクト検出(CD-FSOD)は、ソースドメインからトレーニング済みの検出器を、厳しいドメインシフトとデータ不足の問題に悩まされ、限られたアノテーションでターゲットドメインに適応することを目的としている。 モデルは対象領域に分散し、焦点を絞らない注意を示し、不正確な局所化と冗長な予測をもたらす。 したがって、ターゲットドメインのアシグマティズム問題と呼ぶ。 変圧器層間の注意距離を解析したところ、通常の微調整は本質的にこの問題を治療する傾向を示すが、それでも十分ではないことが判明した。 1) 視覚中心領域を模擬し, クラス固有のプロトタイプを用いて意味対象に注意を向け, 視覚中心領域を模擬する正のパターン再構成モジュール, (2) 背景コンテキストをモデル化し, 視覚周囲領域をシミュレートする負のコンテキスト変調モジュール, (3) 中心周囲の区別を強化するためのテキスト・セマンティック・アライメントモジュールを含む。 我々のバイオインスパイアされたアプローチは、アスティグマティックな注意を焦点を絞ったパターンに変え、ターゲットドメインへの適応を大幅に改善します。 6つの挑戦的なCD-FSODベンチマークの実験では、常に検出精度が向上し、新しい最先端の結果が確立された。

関連論文リスト

• Prompt-Driven Simulation with Feature Perturbation for Cross-Domain Few-Shot Object Detection [8.13477193884434]
  PSP-FSODは、プロンプト駆動型ドメインシミュレーションと機能摂動正規化を統合した、原則化されたフレームワークである。 PSP-FSODは高品質なドメイン多様性の監視を行い、ドメイン不変表現を学習する。
  論文  参考訳（メタデータ） (2026-08-02T16:11:16Z)
• VFM$^{4}$SDG: Unveiling the Power of VFMs for Single-Domain Generalized Object Detection [33.39250067795076]
  現実のシナリオでは、天気、照明、撮像条件の連続的な変化は、大きなドメインシフトを引き起こす。 一般化オブジェクト検出(SDGOD)のための二元学習フレームワークを提案する。 符号化段階では,オブジェクト・バックグラウンドとインスタンス間モデリングの堅牢性を高めるために,クロスドメイン安定優先蒸留を提案する。 復号段階では,セマンティック・コンテキスト優先型クエリ拡張を提案する。
  論文  参考訳（メタデータ） (2026-04-23T10:04:36Z)
• Rethinking Representations for Cross-Domain Infrared Small Target Detection: A Generalizable Perspective from the Frequency Domain [26.03122882760887]
  クロスドメインIRSTDのための空間-スペクトル協調認識ネットワークを提案する。 我々は、一般化可能な目標認識を導出するための位相修正モジュール(PRM)を開発した。 我々は、位置情報を保持するために、スキップ接続に注意機構(OAM)を用いる。
  論文  参考訳（メタデータ） (2026-04-02T11:54:28Z)
• Attention Residual Fusion Network with Contrast for Source-free Domain Adaptation [7.195870730342018]
  ソースフリードメイン適応(SFDA)は、ソースドメイン上でモデルをトレーニングし、関連するターゲットドメインに適用する。 最近の研究は有望な結果を示しているが、ドメイン適応への多くのアプローチはドメインシフトに集中している。 本研究では, 負の移動とドメインシフトを軽減するために, SFDAのコントラスト学習に基づくARFNet(Attention Residual Fusion Network)の新たなフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-25T03:27:26Z)
• Robust Distribution Alignment for Industrial Anomaly Detection under Distribution Shift [51.24522135151649]
  異常検出は産業アプリケーションの品質管理において重要な役割を担っている。 既存の方法は、一般化可能なモデルをトレーニングすることで、ドメインシフトに対処しようとする。 提案手法は,最先端の異常検出法や領域適応法と比較して,優れた結果を示す。
  論文  参考訳（メタデータ） (2025-03-19T05:25:52Z)
• Continual Test-Time Adaptation for Single Image Defocus Deblurring via Causal Siamese Networks [29.730411221998633]
  SIDD (Single Image Defocus Deblurring) は、フォーカス内イメージを非焦点画像から復元することを目的としている。 非焦点画像における分布シフトは、一般に既存の手法の性能低下につながる。 本稿では,新しいシームズネットワークを用いた連続テスト時間適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-15T13:42:39Z)
• 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)
• Source-Free and Image-Only Unsupervised Domain Adaptation for Category Level Object Pose Estimation [18.011044932979143]
  3DUDAは、3Dや深度データを使わずに、ニュアンスドライデンのターゲットドメインに適応できる手法である。 対象のカテゴリを単純な立方体メッシュとして表現し、ニューラル特徴活性化の生成モデルを利用する。 本手法は,グローバルな擬似ラベル付きデータセットの微調整を軽度な仮定でシミュレートする。
  論文  参考訳（メタデータ） (2024-01-19T17:48:05Z)
• Relation Matters: Foreground-aware Graph-based Relational Reasoning for Domain Adaptive Object Detection [81.07378219410182]
  我々は、FGRR(Fearground-aware Graph-based Reasoning)というドメインDのための新しい汎用フレームワークを提案する。 FGRRはグラフ構造を検出パイプラインに組み込んで、ドメイン内およびドメイン間フォアグラウンドオブジェクト関係を明示的にモデル化する。 実験の結果、提案したFGRRは4つのDomainDベンチマークの最先端よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-06-06T05:12:48Z)
• Uncertainty-Aware Model Adaptation for Unsupervised Cross-Domain Object Detection [12.807987076435928]
  この研究は、教師なしのクロスドメインオブジェクト検出問題に取り組む。 これは、事前訓練された物体検出器をラベルなしで新しいターゲットドメインに一般化することを目的としている。
  論文  参考訳（メタデータ） (2021-08-28T09:37:18Z)
• 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)
• Unsupervised Instance Segmentation in Microscopy Images via Panoptic Domain Adaptation and Task Re-weighting [86.33696045574692]
  病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。 まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。 第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
  論文  参考訳（メタデータ） (2020-05-05T11:08:26Z)
• Contradictory Structure Learning for Semi-supervised Domain Adaptation [67.89665267469053]
  現在の逆順応法は、クロスドメインの特徴を整列させようとする。 1)条件分布ミスマッチ、2)決定境界のソース領域へのバイアス。 本稿では,対向構造の学習を統一することで,半教師付きドメイン適応の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） (2020-02-06T22:58:20Z)

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。