AIGC动态欢迎阅读
集｜已开源
关键字：方法,团队,样本,目标,数据
文章来源：量子位
内容字数：0字内容摘要：
CD-ViTO团队 投稿量子位 | 公众号 QbitAI解决跨域小样本物体检测问题，入选ECCV 2024。
最新研究认为目前大多数跨域小样本学习方法均集中于研究分类任务而忽略了目标检测。
来自复旦大学、苏黎世联邦理工学院、INSAIT、东南大学、BOE科技的研究团队，提出了一个用于算法评测的CD-FSOD数据集及用于衡量领域差异的style、ICV、IB数据集指标。
对现有目标检测算法进行了广泛实验评估。
除此之外，团队还提出了一种名为CD-ViTO的新方法，基于优化一个在经典FSOD上达到SOTA的开放域物体检测器而得到。
CD-ViTO在多数情况下优于基准，成为该任务的新SOTA。
目前该项研究已入选ECCV 2024，所有数据集、代码、以及相关资源都已开源。
研究目的跨域小样本学习任务（Cross-Domain Few-Shot Learning，CD-FSL）解决的是源域与目标域存在领域差异情况下的小样本学习任务，即集合了小样本学习与跨域两个任务的难点问题：
源域S与目标域T类别集合完全不同，且目标域T中的类别仅存在少量标注样本，例如1shot，5shot；
S与T属于两个不原文链接：ECCV24论文提出跨域小样本物体检测新数据集｜已开源
联系作者
文章来源：量子位
作者微信：
作者简介：
