条件付きドメイン正規化を用いたオブジェクト検出器の適応

現実世界における物体検出器は、異なるデータセット間のドメインギャップ（domain gap）によってしばしば課題に直面する。本研究では、このドメインギャップを埋めるための「条件付きドメイン正規化（Conditional Domain Normalization: CDN）」を提案する。CDNは、異なるドメインの入力を共有された潜在空間（latent space）に符号化するように設計されており、異なるドメインからの特徴量が同一のドメイン属性を持つようにする。この目的を達成するために、まず、あるドメインの意味特徴量からドメイン固有の属性を分離するためのドメイン埋め込みモジュール（domain embedding module）を用いる。このモジュールは、対応するドメイン属性情報を特徴付けるドメインベクトル（domain-vector）を学習する。次に、このドメインベクトルを用いて、別のドメインの特徴量に対して条件付き正規化（conditional normalization）を適用することで、異なるドメインの特徴量が同一のドメイン属性を持つように調整する。CDNは、物体検出器の複数の畳み込み段階に組み込むことで、異なるレベルの表現におけるドメインシフト（domain shift）に適応的に対処できる。既存のアダプテーション手法が意味特徴量上でドメイン混同学習（domain confusion learning）を実施し、ドメイン固有の要因を除去するのに対し、CDNは、あるドメインの意味特徴量を、別のドメインの学習済みドメインベクトルに条件付けた形で調整することにより、異なるドメインの分布を一致させる。広範な実験により、CDNは2次元画像検出および3次元点群検出を含む、実世界対実世界および合成データ対実世界のアダプテーションベンチマークにおいて、従来手法を顕著に上回ることが確認された。