迈向领域广义开放词汇目标检测：一种渐进的领域不变跨模态对齐方法

开放词汇目标检测（OVOD）在推广到新类别方面取得了显着的成功。然而，这种成功通常依赖于域平稳性的隐含假设。在这项工作中，我们重新审视 OVOD 范式并研究一个关键漏洞：分布变化下视觉流形和文本嵌入之间的脆弱耦合。我们首先制定域广义开放词汇对象检测（DG-OVOD）作为视觉变化下开放词汇识别的评估协议。通过实证分析，我们观察到视觉变化会破坏潜在的跨模态空间的稳定性，导致小说类别的视觉信号偏离其语义锚点。受这些观察的启发，我们提出了渐进域不变跨模态对齐（PICA）。 PICA 与统一训练不同，引入了基于模糊性和信号强度的多层次课程。它在伪词原型上构建了经过质量调整的课程，并通过样本可靠性和视觉一致性进行了细化，以鼓励更稳定的跨领域模态对齐。我们的研究结果表明，域转移下的 OVOD 鲁棒性与潜在跨模式对齐空间的稳定性密切相关。我们的工作提供了 DG-OVOD 评估协议以及在静态实验室条件之外构建更通用的开放词汇系统的实用视角。