增强型开放集目标检测的跨领域少样本目标检测
内容提要
本研究提出了一种准确的对象检测器，用于跨领域小样本目标检测。通过引入多个指标来量化域差异，并建立新的CD-FSOD基准，对开放式对象检测方法进行评估。实验证明，CD-ViTO在领域内外目标数据集上取得了令人印象深刻的结果。
延伸解读
CD-FSOD 的挑战与基准
跨领域小样本目标检测（CD-FSOD）要求模型在仅有少量标注样本的新领域中准确检测目标。文章指出，直接使用开放式检测器会导致性能下降，因此建立了新的 CD-FSOD 基准，并引入多个指标量化域差异。这一基准为评估方法在多样化域度量下的表现提供了标准，有助于推动该领域的研究。
CD-ViTO 的创新组件
为克服性能降级，CD-ViTO 引入了微调、可学习的原型模块和轻量级注意力模块。微调使模型适应新领域，原型模块帮助捕捉类别特征，注意力模块则增强关键信息。这些组件共同作用，使 CD-ViTO 在领域内外数据集上均取得显著效果，为 CD-FSOD 和 FSOD 建立了新的 SOTA。
开放资源与未来方向
所有数据集、代码和模型将向社区发布，这促进了研究的可复现性和进一步探索。CD-ViTO 的成功表明，结合微调和原型学习是解决 CD-FSOD 的有效途径。未来工作可基于此基准，探索更高效的域适应方法，或将该框架扩展到其他视觉任务中。
Q&A
什么是跨领域小样本目标检测（CD-FSOD）？
跨领域小样本目标检测（CD-FSOD）旨在为标记示例极少的新领域开发准确的目标检测器。
为什么直接使用开放式检测器进行CD-FSOD会导致性能下降？
因为开放式检测器未针对跨领域小样本场景进行优化，直接应用会导致性能下降。
CD-ViTO如何克服CD-FSOD中的性能降级问题？
CD-ViTO通过引入微调、可学习的原型模块和轻量级注意力模块等新组件来克服性能降级问题。
CD-ViTO在哪些数据集上取得了显著成果？
CD-ViTO在领域外和领域内目标数据集上均取得了令人印象深刻的结果。
CD-FSOD基准是如何建立的？
通过引入多个指标来量化域差异，并建立具有多样化域度量值的新的CD-FSOD基准，以评估开放式对象检测方法。
CD-ViTO为CD-FSOD和FSOD建立了什么？
CD-ViTO为CD-FSOD和FSOD建立了新的SOTAs（最先进性能）。
