ConDA：基于正则化域拼接的 LiDAR 分割无监督域适应
计算机视觉与模式识别
2023-04-07 v3 机器学习
机器人学
摘要
将已标注源域中学到的知识迁移到原始目标域以进行无监督域适应（UDA）对于自动驾驶系统的可扩展部署至关重要。UDA 中的最先进方法常采用一个关键思想：利用来自源域和目标域的联合监督信号进行自训练。在本工作中，我们改进并拓展了这方面。我们提出 ConDA，一种基于拼接的 LiDAR 分割域适应框架，其：1）构建一个由来自源域和目标域的细粒度交换信号组成的中间域，且不破坏自车周围物体与背景的语义连贯性；2）利用该中间域进行自训练。为改进网络在源域上的训练以及在中间域上的自训练，我们提出抗混叠正则化器与熵聚合器，以减轻混叠伪影与噪声伪标签所造成的负面影响。通过大量研究，我们证明 ConDA 在缓解域差距上显著优于先前方法。
引用
@article{arxiv.2111.15242,
title = {ConDA: Unsupervised Domain Adaptation for LiDAR Segmentation via Regularized Domain Concatenation},
author = {Lingdong Kong and Niamul Quader and Venice Erin Liong},
journal= {arXiv preprint arXiv:2111.15242},
year = {2023}
}
备注
8 pages, 6 figures, 4 tables; ICRA 2023