Panel
领域自适应方法目的是解决什么问题?难点?进展?瓶颈?
两个不同分布数据集之间的泛化问题
目前域适应和更多的特定任务相结合,检测,点云等,不在只是分类上
应该更多从域适应的理论上去进行一定的突破,尽管很难
多目标域自适应研究近期也受到很多关注,该问题有哪些特殊的挑战?还有哪些其他值得关注的域自适应研究方向?
只有一个源域而不给目标域,如何泛化到其他域中去 target free
联邦学习,客户端数据隐私问题,如何应用域适应
在线学习,根据目标域进行少量的更新我们的模型
元学习:学习如何去学习这样的域不变性
多模态:不同传感器有自己擅长的域,比如雷达不受光线的影响,是否可以和相机这样的光学进行多模态融合
few shot learning:目标域可以用一些少量标签
域适应的理论支撑还不足,是否从理论上进行一定的突破
领域种类多,差别大,如何确定哪些领域能够自适应,哪些领域自适应难度大?
确定不了,但通常认为两个分布离得远的域其适应的难度越大,如何去度量两个域之间的距离
领域自适应在哪些实际任务、应用上有迫切需求?目前落地情况如何?
娱乐风格化
底层视觉的domain adaptive
商品检索
自动驾驶的多传感器