用于夜间语义分割无监督域适应的跨域相关性蒸馏
计算机视觉与模式识别
2022-05-03 v1
摘要
夜间语义分割的性能受限于光照不足与像素级标注的缺乏，这严重限制了其在自动驾驶中的应用。现有工作（例如以黄昏作为中间目标域来执行从白天到夜间的适应）可能难以应对由相机设备与城市风格引起的数据集间固有差异。面对这两类域偏移——即光照与数据集的固有差异——我们提出了一种通过跨域相关性蒸馏的新型域适应框架，称为CCDistill。图像间光照或固有差异的不变性被充分探索，以弥补夜间图像标签的缺失。具体而言，我们提取特征中包含的内容与风格知识，计算两幅图像间固有或光照差异的程度。利用同类差异的不变性实现了域适应。在Dark Zurich与ACDC上的大量实验表明，CCDistill在夜间语义分割上达到了最先进（SOTA）性能。值得注意的是，我们的方法是一种单阶段域适应网络，可避免影响推理时间。我们的实现见https://github.com/ghuan99/CCDistill。
引用
@article{arxiv.2205.00858,
title = {Cross-Domain Correlation Distillation for Unsupervised Domain Adaptation in Nighttime Semantic Segmentation},
author = {Huan Gao and Jichang Guo and Guoli Wang and Qian Zhang},
journal= {arXiv preprint arXiv:2205.00858},
year = {2022}
}