一般化の精査：クロスドメイン検出は進展するが、落とし穴と根強い課題は残る

Abstract

ソースドメインで訓練された物体検出モデルは、センシング条件、環境、データ分布などのさまざまな変動により、未知のターゲットドメインへ展開すると大きな性能劣化を示すことが多い。したがって、深層学習ベースの検出技術における最近のブレークスルーがあったとしても、ドメイン間物体検出（CDOD）は依然として重要な研究領域である。さらに、既存文献は分断された状態にとどまっており、ドメインシフトの構造的な課題と適応戦略の有効性に関する統一的な視点が欠けている。本サーベイは、CDODを包括的かつ体系的に分析する。まず、ドメインシフト下における物体検出が多段階であることを強調する問題設定から始める。次に、適応パラダイム、モデリング上の仮定、パイプライン構成要素に基づいてアプローチを分類する概念的タクソノミにより、既存手法を整理する。さらに、ドメインシフトが検出の各段階にどのように伝播するかを分析し、分類に比べて物体検出における適応が本質的により複雑である理由を論じる。また、よく用いられるデータセット、評価プロトコル、ベンチマーク手法を概観する。最後に、主要な課題を特定し、有望な今後の研究方向性を概説する。本サーベイは一貫して、CDODを理解するための統一的な枠組みを提供し、より頑健な検出システムの開発を導くことを目的とする。