在领域泛化的背景下探索群体定位中的尺度变换

人群定位中的域泛化问题受头规模分布差异（scale shift）影响显著，本文构建基准ScaleBench，系统分析scale shift对定位性能的影响机制，提出Catto算法通过因果特征分解和各向异性处理缓解该问题，并揭示四项关键结论。

　　

摘要

人群定位在视觉场景理解中起着关键作用，它有助于预测人群中每个行人的位置，因此可应用于各种下游任务。然而，现有方法由于训练数据和测试数据之间的头部尺寸分布差异（尺寸偏移）而存在显著的性能下降问题，这一挑战被称为领域泛化（Domain Generalization，简称DG）。本文旨在理解尺寸偏移在人群定位模型领域泛化背景下的本质。为此，我们提出了四个关键问题：（i）尺寸偏移如何在领域泛化场景中影响人群定位？（ii）我们如何量化这种影响？（iii）是什么导致了这种影响？（iv）如何减轻这种影响？首先，我们对人群定位性能随不同尺寸偏移程度的变化进行了系统研究。然后，我们建立了一个基准测试平台ScaleBench，并复现了20种先进的领域泛化算法来量化这种影响。通过广泛的实验，我们展示了现有算法的局限性，并强调了尺寸偏移的重要性和复杂性——这是一个尚未得到充分研究的课题。为了加深理解，我们对尺寸偏移进行了严谨的理论分析。基于这些见解，我们进一步提出了一种名为“因果特征分解与各向异性处理”（Causal Feature Decomposition and Anisotropic Processing，简称Catto）的有效算法，以减轻领域泛化环境中的尺寸偏移影响。随后，我们还进行了大量的分析实验，为未来的研究提供了四个重要启示。我们的结果强调了这一新颖且具有应用价值的研究方向的重要性，我们将其称为“尺寸偏移领域泛化”（Scale Shift Domain Generalization）。所提出的新型数据集和算法将在https://github.com/wjc2830/ScaleBench.git上发布。