用 CARE 弥合仿真到现实的鸿沟：基于条件对齐与重加权的有监督检测自适应
计算机视觉与模式识别
2023-02-10 v1
摘要
仿真到现实（Sim2Real）域自适应（DA）研究聚焦于从有标签的合成源域自适应到无标签或稀疏标签的真实目标域这一受限设定。然而，对于高风险应用（如自动驾驶），除丰富的自动标注源数据（如来自驾驶模拟器）外，常见的是拥有适量人工标注的真实数据。我们研究应用于 2D 目标检测的有监督 sim2real DA 这一设定。我们提出通过条件对齐与重加权进行域迁移（CARE），一种系统性利用目标标签显式缩小 sim2real 外观与内容鸿沟的新算法。我们给出了算法的解析依据，并在标准基准上展示了相较竞争方法的显著增益。
引用
@article{arxiv.2302.04832,
title = {Bridging the Sim2Real gap with CARE: Supervised Detection Adaptation with Conditional Alignment and Reweighting},
author = {Viraj Prabhu and David Acuna and Andrew Liao and Rafid Mahmood and Marc T. Law and Judy Hoffman and Sanja Fidler and James Lucas},
journal= {arXiv preprint arXiv:2302.04832},
year = {2023}
}