La Convolución por Profundidad Es Todo Lo Que Necesitas Para Aprender Múltiples Dominios Visuales

Hay un interés creciente en diseñar modelos que puedan manejar imágenes de diferentes dominios visuales. Si existe una estructura universal en diferentes dominios visuales que puede capturarse a través de una parametrización común, entonces podemos usar un solo modelo para todos los dominios en lugar de uno por dominio. Un modelo que sea consciente de las relaciones entre diferentes dominios también puede ser entrenado para trabajar en nuevos dominios con menos recursos. Sin embargo, identificar la estructura reutilizable en un modelo no es fácil. En este artículo, proponemos una arquitectura de aprendizaje multi-dominio basada en convolución separable por profundidad. El enfoque propuesto se basa en la suposición de que las imágenes de diferentes dominios comparten correlaciones entre canales, pero tienen correlaciones espaciales específicas del dominio. El modelo propuesto es compacto y tiene un mínimo de sobrecarga al aplicarse a nuevos dominios. Además, introducimos un mecanismo de control para promover el intercambio suave entre diferentes dominios. Evaluamos nuestro enfoque en el Desafío Visual Decathlon, un referente para probar la capacidad de modelos multi-dominio. Los experimentos muestran que nuestro enfoque puede alcanzar la puntuación más alta mientras solo requiere el 50% de los parámetros en comparación con los enfoques de última generación.