AAAI 2025 | 探索对抗训练的概率分布偏差：DPA双概率对齐的通用域自适的目标检测方法

文章预览

前言   UniDAOD 通过放宽类别集合的闭集假设，能够在没有类别先验信息的情况下实现源域与目标域的跨域对齐，从而适应包括闭集、部分集和开放集等多种场景。此方法显著提升了目标检测模型在开放世界中的鲁棒性和泛化能力，拓展了目标检测技术在更复杂和动态场景中的应用范围。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 来源： PaperWeekly 仅用于学术分享，若侵权请联系删除 论文标题： Universal Domain Adaptive Object Detection via Dual Probabilistic Alignment 论文地址： https://arxiv.org/abs/2412.11443 代码地址： https://github.com/WeitaiKang/SegVG/tree/main ▲ 图1. UniDAOD任务示例 (通用跨域目标检测) 目标检测作为计算机视觉领域的核心任务，在闭集场景中已经取得了显著的 ………………………………