Abstract
Machine learning degrades under distribution shifts, especially with scarce labels. Cross-domain few-shot learning (CDFSL) aims to generalize to novel classes in unseen domains. This dissertation develops a unified theoretical framework and new recognition methods for CDFSL.
We extend Empirical Risk Minimization to a two-stage optimization that separates intra- and inter-domain challenges, and organize existing methods into four families: \(\mathcal{D}\)-Extension (instance-level augmentation), \(\Delta\)-Adaptation (distribution alignment), \(\mathcal{H}\)-Constraint (hypothesis-space restriction), and hybrids.
For \(\mathcal{D}\)-Extension, we propose Inter-Source Stylization Network (ISSNet), which enriches target instances with styles drawn from unlabeled auxiliary domains, improving generalization via style-driven augmentation.
For Δ-Adaptation, we define source-free CDFSL (SF-CDFSL), where source data are inaccessible, and introduce Information-Maximized Distance-aware Contrastive Learning (IM-DCL) to align a pretrained source model with unlabeled target data using distance-aware contrastive learning and information maximization.
For \(\mathcal{H}\)-Constraint, we present Step-wise Style Prompt Tuning (StepSPT), which stabilizes learning by constraining the hypothesis space with learnable prompts and step-wise alignment, enabling efficient use of large pretrained models under low-data, source-free conditions.
Overall, the work provides a unified perspective and three complementary methods that enhance robustness and generalization in data-constrained cross-domain scenarios, supporting applications in medical imaging, autonomous systems, and remote sensing. Original papers Xu, H., Zhi, S., Sun, S., Patel, V., & Liu, L. (2025). Deep learning for cross-domain few-shot visual recognition: A survey. ACM Computing Surveys, 57(8), 1–37. https://doi.org/10.1145/3718362 https://doi.org/10.1145/3718362 Self-archived version Xu, H., Zhi, S., & Liu, L. (2023). Cross-domain few-shot classification via inter-source stylization. 2023 IEEE International Conference on Image Processing (ICIP), 565–569. https://doi.org/10.1109/ICIP49359.2023.10222701 https://doi.org/10.1109/ICIP49359.2023.10222701 Self-archived version Xu, H., Liu, L., Zhi, S., Fu, S., Su, Z., Cheng, M.-M., & Liu, Y. (2024). Enhancing information maximization with distance-aware contrastive learning for source-free cross-domain few-shot learning. IEEE Transactions on Image Processing, 33, 2058–2073. https://doi.org/10.1109/TIP.2024.3374222 https://doi.org/10.1109/TIP.2024.3374222 Self-archived version Xu, H., Liu, L., Liu, T., Zhi, S., Sun, S., & Cheng, M.-M. (2025). Step-wise distribution-aligned style prompt tuning for source-free cross-domain few-shot learning. IEEE Transactions on Pattern Analysis and Machine Intelligence. Advance online publication. https://doi.org/10.1109/TPAMI.2025.3610039 https://doi.org/10.1109/TPAMI.2025.3610039 Tiivistelmä
Perinteiset koneoppimismenetelmät heikkenevät, kun tietojakaumat muuttuvat, erityisesti harvojen näytteiden tilanteissa. Harvojen näytteiden oppiminen yli verkkotunnusten rajojen (cross-domain few-shot learning, CDFSL) pyrkii ratkaisemaan tämän mahdollistamalla mallien yleistymisen uusille luokille ennen näkemättömissä verkkotunnuksissa. Tässä väitöskirjassa tutkitaan CDFSL:ää esittämällä yhtenäinen teoreettinen viitekehys ja kehittämällä uusia menetelmiä tunnistustehtäviin.
Aluksi laajennetaan empiirisen riskin minimointi (Empirical Risk Minimization, ERM) kaksivaiheiseksi optimointikehykseksi, joka huomioi sekä verkkotunnusten sisäiset että väliset haasteet. Tämän mallin perusteella nykyiset CDFSL-menetelmät luokitellaan neljään päätyyppiin: D-laajennus (näytetason augmentointi), ∆-sopeutus (jakaumien yhteensovittaminen), H-rajoite (hypoteesitilan rajoittaminen) ja hybridimenetelmät. Luokittelu luo perustan menetelmien systemaattiselle analyysille ja jatkokehitykselle.
D-laajennuksen osalta esitetään Inter-Source Stylization Network (ISSNet), joka parantaa kohdeverkkotunnuksen yleistymistä rikastamalla sen näytteitä eri tyylien avulla. ISSNet hyödyntää useita merkitsemättömiä apuverkkotunnuksia ja osoittaa, että tyylipohjainen augmentointi lieventää tehokkaasti verkkotunnusten eroja.
∆-sopeutuksessa määritellään uusi ongelmanasettelu: lähdedomainista riippumaton harvojen näytteiden oppiminen (source-free CDFSL, SF-CDFSL), jossa lähdedata ei ole saatavilla. Tätä varten kehitetään Information-Maximized Distance-aware Contrastive Learning (IM-DCL), joka yhdistää etäisyysherkän kontrastisen oppimisen informaation maksimointiin ja mahdollistaa tehokkaan verkkotunnusten sovituksen ilman lähdedataa.
Lisäksi H-rajoitteeseen perustuva Step-wise Style Prompt Tuning (StepSPT) rajoittaa hypoteesitilaa ja parantaa oppimisen vakautta. Menetelmä säätää syöttödatan tyylejä oppivien prompttien avulla ja hienosäätää mallia vaiheittain, mikä vähentää ylioppimisen riskiä ja mahdollistaa laajojen esikoulutettujen mallien hyödyntämisen harvoissa ja lähdedatasta riippumattomissa tilanteissa.
Väitöskirja edistää merkittävästi CDFSL-tutkimusta tarjoamalla yhtenäisen teoreettisen kehyksen ja uusia menetelmiä, jotka parantavat mallien robustiutta ja yleistämiskykyä datarajoitteisissa olosuhteissa sekä tukevat sovelluksia lääketieteessä, autonomiassa ja kaukokartoituksessa. Osajulkaisut Xu, H., Zhi, S., Sun, S., Patel, V., & Liu, L. (2025). Deep learning for cross-domain few-shot visual recognition: A survey. ACM Computing Surveys, 57(8), 1–37. https://doi.org/10.1145/3718362 https://doi.org/10.1145/3718362 Rinnakkaistallennettu versio Xu, H., Zhi, S., & Liu, L. (2023). Cross-domain few-shot classification via inter-source stylization. 2023 IEEE International Conference on Image Processing (ICIP), 565–569. https://doi.org/10.1109/ICIP49359.2023.10222701 https://doi.org/10.1109/ICIP49359.2023.10222701 Rinnakkaistallennettu versio Xu, H., Liu, L., Zhi, S., Fu, S., Su, Z., Cheng, M.-M., & Liu, Y. (2024). Enhancing information maximization with distance-aware contrastive learning for source-free cross-domain few-shot learning. IEEE Transactions on Image Processing, 33, 2058–2073. https://doi.org/10.1109/TIP.2024.3374222 https://doi.org/10.1109/TIP.2024.3374222 Rinnakkaistallennettu versio Xu, H., Liu, L., Liu, T., Zhi, S., Sun, S., & Cheng, M.-M. (2025). Step-wise distribution-aligned style prompt tuning for source-free cross-domain few-shot learning. IEEE Transactions on Pattern Analysis and Machine Intelligence. Advance online publication. https://doi.org/10.1109/TPAMI.2025.3610039 https://doi.org/10.1109/TPAMI.2025.3610039 Academic dissertation to be presented with the assent of the Doctoral Programme Committee of Information Technology and Electrical Engineering of the University of Oulu for public defence in the Leena Palotie auditorium (101A) of the Faculty of Medicine (Aapistie 5 A), on 7 November 2025, at 12 noonAbstract
Machine learning degrades under distribution shifts, especially with scarce labels. Cross-domain few-shot learning (CDFSL) aims to generalize to novel classes in unseen domains. This dissertation develops a unified theoretical framework and new recognition methods for CDFSL.
We extend Empirical Risk Minimization to a two-stage optimization that separates intra- and inter-domain challenges, and organize existing methods into four families: \(\mathcal{D}\)-Extension (instance-level augmentation), \(\Delta\)-Adaptation (distribution alignment), \(\mathcal{H}\)-Constraint (hypothesis-space restriction), and hybrids.
For \(\mathcal{D}\)-Extension, we propose Inter-Source Stylization Network (ISSNet), which enriches target instances with styles drawn from unlabeled auxiliary domains, improving generalization via style-driven augmentation.
For Δ-Adaptation, we define source-free CDFSL (SF-CDFSL), where source data are inaccessible, and introduce Information-Maximized Distance-aware Contrastive Learning (IM-DCL) to align a pretrained source model with unlabeled target data using distance-aware contrastive learning and information maximization.
For \(\mathcal{H}\)-Constraint, we present Step-wise Style Prompt Tuning (StepSPT), which stabilizes learning by constraining the hypothesis space with learnable prompts and step-wise alignment, enabling efficient use of large pretrained models under low-data, source-free conditions.
Overall, the work provides a unified perspective and three complementary methods that enhance robustness and generalization in data-constrained cross-domain scenarios, supporting applications in medical imaging, autonomous systems, and remote sensing.Tiivistelmä
Perinteiset koneoppimismenetelmät heikkenevät, kun tietojakaumat muuttuvat, erityisesti harvojen näytteiden tilanteissa. Harvojen näytteiden oppiminen yli verkkotunnusten rajojen (cross-domain few-shot learning, CDFSL) pyrkii ratkaisemaan tämän mahdollistamalla mallien yleistymisen uusille luokille ennen näkemättömissä verkkotunnuksissa. Tässä väitöskirjassa tutkitaan CDFSL:ää esittämällä yhtenäinen teoreettinen viitekehys ja kehittämällä uusia menetelmiä tunnistustehtäviin.
Aluksi laajennetaan empiirisen riskin minimointi (Empirical Risk Minimization, ERM) kaksivaiheiseksi optimointikehykseksi, joka huomioi sekä verkkotunnusten sisäiset että väliset haasteet. Tämän mallin perusteella nykyiset CDFSL-menetelmät luokitellaan neljään päätyyppiin: D-laajennus (näytetason augmentointi), ∆-sopeutus (jakaumien yhteensovittaminen), H-rajoite (hypoteesitilan rajoittaminen) ja hybridimenetelmät. Luokittelu luo perustan menetelmien systemaattiselle analyysille ja jatkokehitykselle.
D-laajennuksen osalta esitetään Inter-Source Stylization Network (ISSNet), joka parantaa kohdeverkkotunnuksen yleistymistä rikastamalla sen näytteitä eri tyylien avulla. ISSNet hyödyntää useita merkitsemättömiä apuverkkotunnuksia ja osoittaa, että tyylipohjainen augmentointi lieventää tehokkaasti verkkotunnusten eroja.
∆-sopeutuksessa määritellään uusi ongelmanasettelu: lähdedomainista riippumaton harvojen näytteiden oppiminen (source-free CDFSL, SF-CDFSL), jossa lähdedata ei ole saatavilla. Tätä varten kehitetään Information-Maximized Distance-aware Contrastive Learning (IM-DCL), joka yhdistää etäisyysherkän kontrastisen oppimisen informaation maksimointiin ja mahdollistaa tehokkaan verkkotunnusten sovituksen ilman lähdedataa.
Lisäksi H-rajoitteeseen perustuva Step-wise Style Prompt Tuning (StepSPT) rajoittaa hypoteesitilaa ja parantaa oppimisen vakautta. Menetelmä säätää syöttödatan tyylejä oppivien prompttien avulla ja hienosäätää mallia vaiheittain, mikä vähentää ylioppimisen riskiä ja mahdollistaa laajojen esikoulutettujen mallien hyödyntämisen harvoissa ja lähdedatasta riippumattomissa tilanteissa.
Väitöskirja edistää merkittävästi CDFSL-tutkimusta tarjoamalla yhtenäisen teoreettisen kehyksen ja uusia menetelmiä, jotka parantavat mallien robustiutta ja yleistämiskykyä datarajoitteisissa olosuhteissa sekä tukevat sovelluksia lääketieteessä, autonomiassa ja kaukokartoituksessa