Generalization Under Scrutiny: Cross-Domain Detection Progresses, Pitfalls, and Persistent Challenges

Título: Generalização Sob Escrutínio: Progressos, Armadilhas e Desafios Persistentes na Detecção de Objetos Cross-Domain

Autores: Saniya M. Deshmukh, Kailash A. Hambarde e Hugo Proença (Instituto de Telecomunicações, Universidade da Beira Interior, Portugal).

---

1. O Problema: Detecção de Objetos Cross-Domain (CDOD)

A detecção de objetos baseada em deep learning alcança alta precisão quando treinada e testada nas mesmas condições. No entanto, o desempenho degrada-se drasticamente ao ser implantado em domínios alvo não vistos (target domains) devido a variações nas condições de sensoriamento, ambientes, distribuições de dados e composição de cenas.

O problema central abordado é a Detecção de Objetos Cross-Domain (CDOD), que visa adaptar um modelo treinado em um domínio fonte ($D_s$) para um domínio alvo ($D_t$) com distribuição diferente. Diferentemente da classificação de imagens, a detecção de objetos é estruturalmente mais complexa porque:

1. Tarefas Acopladas: Resolve simultaneamente a classificação (o que é o objeto) e a localização (onde está o objeto).
2. Pipeline Dependente: A qualidade das "propostas" (regiões candidatas) afeta diretamente os cabeçotes de classificação e regressão. Se as propostas falharem no domínio alvo devido a mudanças de domínio, a adaptação posterior não consegue recuperar o desempenho.
3. Não Decomponibilidade: Métricas como mAP (mean Average Precision) não são decomponíveis, ocultando falhas em etapas específicas (ex: melhoria na classificação pode esconder degradação na localização).

---

2. Metodologia e Estrutura da Análise

Os autores propõem uma mudança de paradigma na análise da CDOD, movendo-se de uma visão baseada apenas em taxonomia de métodos para uma análise centrada no pipeline e baseada em invariantes.

A. Formulação Formal do Problema

O artigo define a CDOD como um problema de otimização restrita e acoplada por estágios. O objetivo não é apenas minimizar a perda de detecção no alvo, mas fazê-lo mantendo três invariantes críticos:

1. Cobertura de Propostas (Proposal Coverage): As propostas no domínio alvo devem cobrir os objetos verdadeiros com uma taxa de recall similar à do domínio fonte.
2. Discriminatividade de Características (Feature Discriminativity): A representação aprendida deve manter a separação entre classes e entre foreground (objeto) e background.
3. Calibração (Calibration): A confiança das previsões deve corresponder à probabilidade real de correção (ex: uma pontuação de 0,8 deve ser correta 80% das vezes).

A equação de otimização (Eq. 2 no paper) formaliza isso como:
$$\min_f E_{(x,y)\sim P_T} [L_{cls} + L_{reg}]$$
Sujeito a restrições de Recall, Calibração (ECE) e Discriminatividade.

B. Decomposição Probabilística do Pipeline

Os autores modelam a detecção como um grafo de dependência onde a distribuição de detecção no alvo é fatorada em:
$$P_T(y|x) = \int P_T(y|b, x) P_T(b|x) db$$
Onde $P_T(b|x)$ é a distribuição de propostas e $P_T(y|b, x)$ é a distribuição condicional modelada pelos cabeçotes.

• Insight Crítico: Se a etapa de proposta falha (baixo recall), nenhum ajuste nos cabeçotes pode recuperar o desempenho. A adaptação deve ser feita em todo o pipeline, não apenas na extração de características.

C. Taxonomia Conceitual de Seis Eixos

Para organizar a literatura fragmentada, os autores propõem uma taxonomia baseada em seis eixos que revelam as suposições e lacunas dos métodos existentes:

1. Paradigma: Alinhamento vs. Invariância vs. Robustez.
2. Preservação: Geometria (localização) vs. Semântica (classe).
3. Modelagem: Implícita (funções de perda) vs. Explícita (modelagem de distribuição).
4. Granularidade: Nível de Instância (objetos) vs. Nível de Cena (imagem global).
5. Conjunto de Classes: Closed-set (mesmas classes) vs. Open-set/Universal (classes desconhecidas).
6. Raciocínio: Correlacional (estatístico) vs. Causal (causalidade estrutural).

---

3. Contribuições Principais

1. Formulação Unificada: Apresenta a primeira formulação formal da CDOD como um problema de otimização com restrições de invariantes (cobertura, discriminatividade, calibração).
2. Análise de Propagação de Falhas: Demonstra matematicamente como o domain shift se propaga através do pipeline (da extração de características para propostas e cabeçotes), criando modos de falha compostos.
3. Taxonomia de Design Space: Revela uma forte compressão do espaço de design: a maioria dos métodos atuais concentra-se em um único cluster (alinhamento de características, fechado, correlacional), ignorando abordagens causais, explícitas ou de generalização de domínio (DG).
4. Diagnóstico de Falhas: Identifica sete desafios profundos (ex: entrelaçamento entre localização e classificação, instabilidade de propostas, amplificação de falsos positivos em auto-treinamento) e cinco modos de falha recorrentes.
5. Direções Futuras: Propõe nove direções de pesquisa, incluindo modelagem causal, uso de modelos fundamentais (Foundation Models), adaptação em tempo de teste (TTA) e métricas além do mAP.

---

4. Resultados e Insights Chave

Através da análise de mais de 50 métodos representativos (tabelas 2 e 3), os autores concluem:

• O Dilema da Adaptação: Métodos de alinhamento de características (ex: adversarial) frequentemente melhoram a classificação, mas degradam a localização (regressão), pois o alinhamento global pode borrar a estrutura geométrica necessária para caixas precisas.
• Falha do Auto-Treinamento (Self-Training): A dependência excessiva de pseudo-rótulos gera um ciclo de confirmação de viés (confirmation bias), onde erros sistemáticos do modelo são reforçados, especialmente em classes raras ou em cenários de open-set.
• Limitação do mAP: O uso exclusivo do mAP como métrica esconde falhas críticas. Um método pode ter mAP alto mas falhar em calibração ou recall de objetos pequenos, tornando-o inseguro para implantação real.
• Assimetria Foreground/Background: O alinhamento global tende a alinhar o fundo (que é abundante) em detrimento dos objetos (foreground), reduzindo a discriminatividade necessária para a detecção.
• Falta de Abordagens Causais: A maioria dos métodos "causais" na literatura é apenas correlacional. A verdadeira adaptação causal (intervenção em causas de mudança, como estilo vs. conteúdo) é quase inexistente na prática.

---

5. Significado e Impacto

Este artigo é significativo porque:

1. Reenquadra o Campo: Move o foco de "como alinhar características" para "como preservar invariantes estruturais do pipeline de detecção".
2. Expõe a Fragilidade Atual: Mostra que os ganhos em benchmarks (geralmente sintético-para-real) não garantem robustez em cenários reais complexos (real-para-real, mudanças de escala, condições adversas).
3. Guia para Pesquisa Futura: Fornece um roteiro claro para superar os atuais "pontos cegos" da pesquisa, incentivando o desenvolvimento de métodos que:
   • Tratem a calibração como um objetivo explícito.
   • Utilizem modelos fundamentais para fornecer sinais de supervisão mais robustos.
   • Adotem métricas de diagnóstico por estágio (recall de propostas, erro de localização, calibração) em vez de apenas mAP.
   • Explorem cenários de Open-Set e Domain Generalization (sem dados alvo).

Em suma, o paper argumenta que a CDOD não pode ser resolvida como um problema de módulo único (apenas alinhamento), mas exige uma abordagem holística que preserve a integridade de todo o pipeline de detecção sob mudanças de domínio.