返回
CAMDG: A complementary multilevel alignment framework for multimodal domain generalization
DOI:10.1016/j.neucom.2026.134560.png)
摘要
En 中文
域泛化(DG)旨在从已知源域学习可迁移知识,以在分布不同的未见目标域上保持稳健的泛化性能。尽管在单模态DG任务上取得了进展,但多模态域泛化(MMDG)仍面临重大挑战。域分布差异与模态分布差异之间的交互使得学习一致的跨模态和跨域特征表示变得困难,从而限制了泛化性能。本文提出了一种用于多模态域泛化的互补对齐框架(CAMDG)。具体而言,我们采用多源域对齐(MSDA)模块在共享特征空间中对齐多个源域。我们进一步引入跨模态特征对齐(CMFA)模块来对齐模态间的分布差异,以及跨模态理据对齐(CMRA)模块来约束跨模态的决策层理据一致性。在EPIC-Kitchens和Human–Animal–Cartoon(HAC)数据集上的大量实验表明,我们提出的框架持续提升了跨模态域泛化能力,平均准确率分别超过当前最优方法1.9%和2.02%。
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
引用论文
BucketAugment: Reinforced Domain Generalisation in Abdominal CT SegmentationBucketAugment: 增强腹部CT分割中的领域泛化
Nonpolarized embedding learning in multimodal domain generalization非极化嵌入学习在多模态领域泛化中的应用
Neurocomputing
IF6.5
Considering representation diversity and prediction consistency for domain generalization semantic segmentation考虑表示多样性和预测一致性的领域泛化语义分割
FDDGNet: An information bottleneck-inspired feature disentanglement network for cross-subject EEG-based emotion recognitionFDDGNet:一种受信息瓶颈理论启发的特征解耦网络,用于跨主体基于EEG的情绪识别
Neurocomputing
IF6.5
Automatic data augmentation to improve generalization of deep learning in H&E stained histopathology
SimMMDG: A Simple and Effective Framework for Multi-modal Domain GeneralizationSimmmdg: 一种简单有效的多模态领域泛化框架
A Multi-Modal Egocentric Activity Recognition Approach towards Video Domain Generalization一种面向视频领域泛化的多模态自我中心活动识别方法
Sensors
IF0

