Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Quantifying Context Bias in Domain Adaptation for Object Detection

Created by
  • Haebom

저자

Hojun Son, Asma Almutairi, Arpan Kusari

개요

본 논문은 도메인 적응 객체 탐지(DAOD)에서 배경 특징 변화에 따른 맥락 편향을 분석하고, 다양한 도메인에서 맥락 편향이 어떻게 표현되는지 연구한 최초의 연구입니다. Detectron2와 YOLOv11 모델을 사용하여, 다양한 레이어의 활성화 값을 변경하고 배경을 마스킹하는 실험을 통해 맥락 편향의 영향을 분석했습니다. CARLA, Virtual KITTI, Cityscapes, KITTI semantic 데이터셋을 사용하여 MMD와 MVD 메트릭을 통해 맥락 편향을 정량화하고, 전경-배경 연관성을 분석했습니다. 실험 결과, 최첨단 DAOD 방법론에서도 맥락 편향이 존재하며, 맥락 편향을 줄임으로써 정확도를 향상시킬 수 있음을 보였습니다 (Cityscapes foggy validation에서 51.189 mAP에서 53.646 mAP로 향상). 단순히 전경 특징 정렬에만 집중하는 것은 효과적인 DAOD에 불충분하며, 맥락 편향 이해가 중요함을 강조합니다.

시사점, 한계점

•
시사점:
◦
DAOD에서 맥락 편향의 중요성을 최초로 규명하고 정량적으로 분석.
◦
맥락 편향 완화를 통해 DAOD 성능 향상 가능성 제시 (Cityscapes foggy validation에서 mAP 향상).
◦
전경 특징만 고려하는 기존 접근법의 한계를 지적하고, 맥락 편향 고려의 필요성 강조.
•
한계점:
◦
사용된 데이터셋이 제한적임 (합성 데이터셋과 특정 실제 데이터셋 사용).
◦
맥락 편향 완화 방법이 단순하며, 더욱 효과적인 방법론 개발 필요.
◦
다양한 도메인과 모델에 대한 일반화 가능성 추가 검증 필요.
👍
Made with Slashpage