Nach Ähnlichkeiten statt nach Unterschieden suchen: Ähnlichkeitsbasierte Domänenanpassung für adaptives Objektdetektionsverfahren

Um Objektdetektoren robust über eine breite Vielzahl von Szenarien hinweg einzusetzen, sollten sie in der Lage sein, sich Veränderungen der Eingabeverteilung anzupassen, ohne ständig neue Daten annotieren zu müssen. Dies hat die Forschung zu unsupervisierten Domänenanpassungsalgorithmen (Unsupervised Domain Adaptation, UDA) für Detektion vorangetrieben. UDA-Methoden lernen, von beschrifteten Quelldomänen auf unbezeichnete Zieldomänen zu verallgemeinern, indem sie eine Ausrichtung der Detektormerkmale zwischen Quell- und Zieldomänen induzieren. Dennoch besteht kein Konsens darüber, welche Merkmale ausgerichtet werden sollten und wie diese Ausrichtung erfolgen soll. In unserer Arbeit schlagen wir einen Rahmen vor, der die verschiedenen Komponenten, die üblicherweise von UDA-Methoden verwendet werden, verallgemeinert und die Grundlage für eine detaillierte Analyse des UDA-Designraums bildet. Konkret präsentieren wir einen neuen UDA-Algorithmus, ViSGA, eine direkte Implementierung unseres Rahmens, der die besten Designentscheidungen nutzt und eine einfache, aber effektive Methode zur Aggregation von Merkmalen auf Instanzebene basierend auf visueller Ähnlichkeit einführt, bevor mittels adversarischer Trainingsstrategie eine Gruppenausrichtung induziert wird. Wir zeigen, dass sowohl die auf Ähnlichkeit basierende Gruppierung als auch das adversarische Training es unserem Modell ermöglichen, sich auf eine grobe Ausrichtung von Merkmalsgruppen zu konzentrieren, ohne gezwungen zu sein, alle Instanzen über lose ausgerichtete Domänen hinweg exakt zu matchen. Schließlich untersuchen wir die Anwendbarkeit von ViSGA im Fall, dass beschriftete Daten aus verschiedenen Quellen stammen. Experimente zeigen, dass unsere Methode nicht nur bestehende Einzelquellenansätze auf Sim2Real und Adverse Weather übertrifft, sondern auch gut auf den Mehrquellen-Setting generalisiert.