[CVPR2024] D3T: 跨越RGB-热成像领域差距的独特双域教师用于领域自适应目标检测

基本信息:

Title: D3T: Distinctive Dual-Domain Teacher Zigzagging Across RGB-Thermal Gap for Domain-Adaptive Object Detection (D3T: 跨越RGB-热成像领域差距的独特双域教师用于领域自适应目标检测)
Authors: Dinh Phat Do, Taehoon Kim, Jaemin Na, Jiwon Kim, Keonho Lee, Kyunghwan Cho, and Wonjun Hwang
Affiliation: Ajou University, Korea (韩国亚洲大学)
Keywords: domain adaptation, object detection, thermal imaging, dual-domain teacher, zigzag learning
URLs: https://github.com/EdwardDo69/D3T

论文简要

目标检测的领域适应通常涉及将知识从一个可见域迁移到另一个可见域。然而，从可见域适应到热成像域的研究很少，因为可见域和热成像域之间的域差距远大于预期，传统的领域适应方法无法成功促进这种情形下的学习。为了克服这个挑战，我们提出了一种独特的双域教师（D3T）框架，为每个域采用不同的训练范式。具体来说，我们分别隔离源训练集和目标训练集来构建双教师，并依次将指数移动平均部署到学生模型上，以实现每个域的个别教师。该框架进一步融入了双教师之间的曲折学习方法，促使在训练过程中可见域向热成像域的逐步过渡。我们通过设计新的实验协议以及知名的热成像数据集（即FLIR和KAIST）