Core Concepts
提案された動的オブジェクト中心学習アプローチは、画像の複雑さに適応し、汎化性能を向上させる。
Abstract
この論文では、単一ドメイン一般化のための動的オブジェクト中心学習アプローチが提案されています。静的ネットワークの限界を克服し、画像の複雑さに適応することで、モデルの汎化性能を向上させることが目的です。具体的には、Slot Attentionを活用したマルチモーダルフュージョンモジュールとプロンプトに基づくオブジェクト中心ゲーティングモジュールが導入されています。これらの機能により、効果的な物体中心特徴抽出が可能となり、実験結果は提案手法の有効性と汎用性を裏付けています。
Stats
Extensive experiments were conducted on single-domain generalization tasks in image classification and object detection.
Our method outperforms state-of-the-art methods with an average accuracy increase of 6.8%.
The proposed method improved the performance by 2.5% in the cartoon domain compared to other methods.
The dynamic network method effectively improves generalization performance from Daytime Clear to challenging target domains.