CA-LoRA：用于领域对齐语义分割数据集生成的概念感知 LoRA
计算机视觉与模式识别
2026-03-26 v2
摘要
本文解决了语义分割数据稀缺的挑战，通过文本到图像 (T2I) 生成模型生成数据集，减少图像获取和标注成本。语义分割数据集生成面临两个关键挑战：1) 对齐生成样本与目标领域，以及2) 生产超出训练数据的信息性样本。通过微调 T2I 模型可以帮助生成与目标领域对齐的样本。然而，这通常会导致过拟合并记忆训练数据，限制其生成多样且良好对齐样本的能力。为克服这些问题，我们提出了概念感知 LoRA (CA-LoRA)，一种新的微调方法，通过选择性地识别和更新仅与必要概念（如风格或视角）相关联的权重，以实现领域对齐，同时保留 T2I 模型的预训练知识以生成信息性样本。我们展示了其在城市场景语义分割数据集生成中的有效性，在 in-domain (few-shot 和 fully-supervised) 设置以及领域泛化任务中均优于基线和最新方法，尤其在逆天候和不同照明条件下，进一步凸显了其优势。
引用
@article{arxiv.2503.22172,
title = {CA-LoRA: Concept-Aware LoRA for Domain-Aligned Segmentation Dataset Generation},
author = {Minho Park and Sunghyun Park and Jungsoo Lee and Hyojin Park and Kyuwoong Hwang and Fatih Porikli and Jaegul Choo and Sungha Choi},
journal= {arXiv preprint arXiv:2503.22172},
year = {2026}
}
备注
Accepted to CVPR 2026