桥接昼夜：目标类幻觉抑制的无配对图像翻译
计算机视觉与模式识别
2026-02-18 v1
摘要
从昼间到夜间的无配对图像翻译对于下游任务至关重要，但由于大幅度的外观变化以及缺乏直接像素级监督，仍面临挑战。现有方法常会引入语义幻觉，其中包括来自目标类的物体（如交通标志和车辆）以及人造灯光效应的错误合成。这些幻觉显著降低下游性能。我们提出了一种新框架，用于检测和抑制无配对翻译中目标类特征的幻觉。为检测幻觉，我们设计了具有语义分割功能的双头判别器，以识别背景区域中的幻觉内容。为抑制这些幻觉，我们引入类别特定的原型，通过聚合标注目标域中对象的特征，作为每个类别的语义锚点。基于薛德堡桥（Schrödinger Bridge）构建的翻译模型配合该框架，实现迭代细化：检测到的幻觉特征在特征空间中被显式地推远离类别原型，从而跨翻译轨迹保留物体语义。实验表明，我们的方法在定性和定量上均优于现有方法。在 BDD100K 数据集上，实现了昼夜域适应的 mAP 提升 15.5%，对于易受幻觉影响的交通灯等类别，提升尤为显著，达 31.7%。
引用
@article{arxiv.2602.15383,
title = {Bridging Day and Night: Target-Class Hallucination Suppression in Unpaired Image Translation},
author = {Shuwei Li and Lei Tan and Robby T. Tan},
journal= {arXiv preprint arXiv:2602.15383},
year = {2026}
}
备注
Accepted at AAAI 2026 (Oral)