arXiv · 机器人与计算机视觉· Badr-Eddine Benelmostafa, Sohaib Baroud·· 16 天前AI 评分47
Rethinking Feature Perturbation for Single-Source Domain Generalization:表征空间分析与 DISP 方法研究
Rethinking Feature Perturbation for Single-Source Domain Generalization: A Representation-Space Analysis and Spectral Case Study
AI 导读
针对单源域泛化(SSDG)中特征扰动仅依赖任务性能评估的问题,研究提出四维表征空间描述框架以量化特征位移与子空间偏差。实验在风格与天气偏移的目标检测设置下发现强域外配置集中于特定区域,并引入非学习式的 Dual-Invariant Spectral Perturbation (DISP) 方法验证了显式相位控制的有效性。该工作旨在推动 SSDG 领域发展更具可解释性与可控性的特征扰动分析路径。
来源:arXiv · 机器人与计算机视觉 · arxiv.org