VALSE Webinar 21-15 领域自适应方法与进展 Panel

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