室内3D物体検出のための低ランクMoEを備えた協調的最適化フレームワーク COME

科学分野:

• コンピュータビジョン
• ロボティクス
• 機械学習

背景:

• 屋内3D物体検出は、コンピュータビジョンとロボティクスにとって重要です。
• 現在の方法は、ユニバーサル幾何学的属性を無視して、ドメイン固有のモデルをトレーニングすることがよくあります。
• このアプローチは、多様なデータセットでのパフォーマンスを制限します。

研究 の 目的:

• 屋内3D物体検出のための協調的最適化フレームワークであるCOMEを提案すること。
• ドメイン固有の特性を維持しながら、ユニバーサル幾何学的属性を統合すること。
• クロスドメイン物体検出パフォーマンスを向上させること。

主な方法:

• COMEは、混合エキスパート（MoE）に着想を得たクロスドメインエキスパートパラメータ共有戦略（CEPSS）を利用しています。
• CEPSSは、ユニバーサル属性のためのドメイン共有エキスパートと、固有の特徴のためのドメイン固有エキスパートの2つのエキスパートを備えています。
• 軽量のゲーティングネットワークがエキスパートを動的に選択し、異なるドメインに合わせて最適化し、勾配の競合を減らします。低ランク構造が計算効率を高めます。

主要な成果:

• COMEは、ベンチマークデータセットで最先端の結果を達成しました。
• このフレームワークは、既存のマルチドメイン検出方法と比較して優れたパフォーマンスを示しました。
• 検出精度を向上させながら、許容可能なパラメータ増加を示しました。

結論:

• COMEは、強化された3D物体検出のために、ユニバーサル機能とドメイン固有機能を効果的に統合します。
• 提案されたフレームワークは、コンピュータビジョンタスクのクロスドメイン学習において重要な進歩を提供します。
• COMEは、屋内3D物体検出のための計算効率が高く高性能なソリューションを提供します。