비교 이전에 적응하기: 크로스 도메인 적은 샷 세분화에 대한 새로운 관점

적은 샷 세분화 성능은 훈련 도메인과 다른 도메인의 이미지를 처리할 때 상당히 저하되며, 이는 실제 사용 사례를 효과적으로 제한합니다. 이를 완화하기 위해 최근 크로스 도메인 적은 샷 세분화(CD-FSS)가 등장했습니다. 이 작업을 다룬 연구들은 주로 소스 도메인에서의 세분화를 학습하는 방법을 시도하여 도메인 간 일반화를 목표로 했습니다. 놀랍게도, 우리는 이러한 접근 방식을 초월할 수 있으며 훈련 단계를 제거하고 주요 세분화 네트워크를 제거하는 방식으로도 가능합니다. 우리는 성공적인 CD-FSS를 위해 테스트 시간의 작업 적응이 핵심이라는 것을 보여줍니다. 작업 적응은 전통적으로 분류에 대해 사전 훈련된 백본의 피처 피라미드에 작은 네트워크를 추가하여 이루어집니다. 감독 하의 미세 조정에서 레이블이 있는 몇 가지 샘플에 과적합을 피하기 위해, 입력 이미지의 증강된 뷰의 일관성이 첨부된 레이어의 매개변수를 학습하는 동안 지침 역할을 합니다. 테스트 시간에 레이블이 붙은 몇 가지 샘플 외의 이미지를 사용하지 않는 자기 제한에도 불구하고, 우리는 CD-FSS에서 새로운 최첨단 성능을 달성하여 이 작업에 대한 접근 방식을 재고할 필요가 있음을 증명합니다.