arrow
返回

CAMDG: A complementary multilevel alignment framework for multimodal domain generalization

delete2026-07-24
delete0
PRE
AI
Z
Zhonghua Yao
Y
Yonggan Nian
J
Juncheng Lian
Y
Yongqiang Hu
C
Chaole Xian
H
Hong Liu *
DOI:10.1016/j.neucom.2026.134560delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

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

Neurocomputing 封面图
Neurocomputing
IF:
6.5
论文数:
2.5W
被引数:
6.5W

机构

F
Fuyang Normal University
学者数:
2.0K
论文数: 1.1K
被引数: 1.1K
引用论文

引用论文

err分享
err收藏
Knowledge Distillation-Based Domain-Invariant Representation Learning for Domain Generalization
err2024-01-01
err0
PREAI
errZiwei Niu; Junkun Yuan; Xu Ma; Yingying Xu; Jing Liu; Yen-Wei Chen; Ruofeng Tong; Lanfen Lin
err分享
err收藏
CSDG-FAS: Closed-Space Domain Generalization for Face Anti-spoofing
err2024-05-28
err0
PREAI
errWang, Keyao; Zhang, Guosheng; Yue, Haixiao; Liang, Yanyan; Huang, Mouxiao; Zhang, Gang; Han, Junyu; Ding, Errui; Wang, Jingdong
err分享
err收藏
学者 查看更多内容