[論文レビュー] Towards Real-world Lens Active Alignment with Unlabeled Data via Domain Adaptation

Wenyong Lia, Qi Jiang+6 more|arXiv (Cornell University)|Jan 7, 2026

Domain Adaptation and Few-Shot Learning被引用数 0

ひとこと要約

DA3 はシミュレーションデータと少量の未ラベル実世界画像を組み合わせて、アクティブレンズアライメントのドメインギャップを埋め、端末上のデータ収集を最小化しつつ高い精度を達成します。

ABSTRACT

Active Alignment (AA) is a key technology for the large-scale automated assembly of high-precision optical systems. Compared with labor-intensive per-model on-device calibration, a digital-twin pipeline built on optical simulation offers a substantial advantage in generating large-scale labeled data. However, complex imaging conditions induce a domain gap between simulation and real-world images, limiting the generalization of simulation-trained models. To address this, we propose augmenting a simulation baseline with minimal unlabeled real-world images captured at random misalignment positions, mitigating the gap from a domain adaptation perspective. We introduce Domain Adaptive Active Alignment (DA3), which utilizes an autoregressive domain transformation generator and an adversarial-based feature alignment strategy to distill real-world domain information via self-supervised learning. This enables the extraction of domain-invariant image degradation features to facilitate robust misalignment prediction. Experiments on two lens types reveal that DA3 improves accuracy by 46% over a purely simulation pipeline. Notably, it approaches the performance achieved with precisely labeled real-world data collected on 3 lens samples, while reducing on-device data collection time by 98.7%. The results demonstrate that domain adaptation effectively endows simulation-trained models with robust real-world performance, validating the digital-twin pipeline as a practical solution to significantly enhance the efficiency of large-scale optical assembly.

研究の動機と目的

• 高精密レンズのアクティブアライメント（AA）のデータ収集コストを、シミュレーションと最小限の未ラベル実世界データを活用して削減する。
• シミュレーションと実世界撮影スタイル間のドメインギャップをドメイン適応によって橋渡しする。
• ドメイン不変な特徴を学習するロバストなパイプラインを開発し、誤alignment予測の精度を高める。
• 実世界のセキュリティレンズとシミュレートされたスマートフォンレンズでデータ効率の良いAAを実証する。

提案手法

• 高忠実度の光学シミュレーションと許容変動を含むラベリング済みソースデータセットを構築する。
• ランダムな誤alignment位置で最小限の未ラベル実世界ターゲットデータセットを収集する。
• 対立的学習を用いてソースドメインのシミュレーションをターゲットドメイン風に翻訳するドメイン変換生成器 G を導入する。
• ペアされたソースと疑似ターゲットデータで、ピクセル整合性と対立的特徴整合を通じてドメイン不変な特徴を学習する。
• 劣化ベースのデータ拡張を適用してドメイン耐性を促進する。
• 抽出特徴 E 上で回帰モデル P をエンドツーエンド訓練し、ドメイン識別子 D を用いてドメイン不変表現を促す。

実験結果

リサーチクエスチョン

• RQ1 主にシミュレーションデータと少量の未ラベル実世界サンプルを用いて、高精度な誤alignment予測を可能にするドメイン適応フレームワークは実現できるか。
• RQ2 実世界AAでの精度を保ちながら、端末上のデータ収集コストをどれだけ削減できるか。
• RQ3 許容誤差の摂動とドメイン適応を組み合わせることでAAタスクの異ドメイン一般化は改善されるか。
• RQ4 データ変換と特徴整合の組み合わせとして、シミュレーションと実世界ドメインをAAのために最も橋渡しする組み合わせは何か。

主な発見

• DA3 はデータ収集時間を短縮しつつ、セキュリティレンズセットでの MAE が 2.03 μm という密集デバイスベンチマークに近い精度を達成する。
• 未ラベル実世界画像が数枚しかなくても、DA3 は実世界データを用いて学習したモデルの性能に迫り、3本のレンズからのデータでの学習に比べてラベリング労力を劇的に削減する。
• 許容誤差摂動の導入は一般化を助けるが、ドメインギャップを埋めて高精度を達成するにはドメイン適応が不可欠である。
• DA3 は実世界のセキュリティレンズとシミュレートされたスマートフォンレンズの二つのレンズタイプで有効性を示し、スケーラブルな光学組み立てのデジタルツイン型アプローチを支持する。