20210609【领域自适应方法与进展】Panel(视频地址)
报告时间:2021年06月09日 (星期三)晚上20:00 (北京时间)
主 题:领域自适应方法与进展
主 持 人:朱霖潮 (悉尼科技大学)
Panel嘉宾:Dengxin Dai (ETH Zurich),武阿明 (西安电子科技大学)、李文 (电子科技大学)、刘子纬 (Nanyang Technological University)
报告地址:http://valser.org/article-421-1.html
还有可做、值得讨论的内容:
1.UDA和别的CV/ML内容融合,比如增加一点superivision做弱监督、半监督、少样本学习、域扩展;
2.DA到底省了多少人工标注(省了多少标注工作,工业界关注),为公司提供一条更可靠的路径。现有路径是面对出现的新域的任务时,直接去标注,而不是选择“不可控的”DA方法
3.一个足够大的强预训练模型是否能替代DA
4.联邦域自适应,数据保护,source-protect/source-free,
5.点云数据的DA,做evaluation看看有啥问题
6.多目标域自适应,multi-task之间相互帮助?information-shared?
7.借鉴预训练的思路,从各种变化之中学习不变,去解掉跨域之间的gap,学习域不变的特征
8.test-time domain adaptation(online adaptation)
9.how to learn to adapt(meta-learning)
领域可迁移与不可迁移的判断研究
hard to answer
多模态的域适应问题
- 如何audio,image,video,雷达等多传感器,优势互补,其他的模态对目标域辅助进行鲁棒迁移,
DA在实际应用场景中的需求
- 根据少量医学数据解决由设备导致的差异
- 数据标注难获取的场景,如医疗、智慧城市(人的活动是千奇百怪的、光照、相机部署、人的穿着、城市环境都是差异的)、online电商以图搜图(商品图和用户拍的图之间通常是有差异的)、自动驾驶(multi-sensors)
- 视频字幕生成(视频&字幕的DA)