密度至关重要：用于主动领域自适应分割的改进核心集
计算机视觉与模式识别
2023-12-18 v1
摘要
主动领域自适应已成为在语义分割中平衡昂贵标注成本与训练模型性能的解决方案。然而，现有工作通常忽略所选样本与其在特征空间中局部上下文之间的相关性，这导致标注预算的使用不佳。在这项工作中，我们重新审视了经典 Core-set 方法的理论界限，并发现其性能与所选样本周围的局部样本分布密切相关。为了高效估计局部样本的密度，我们引入了带有动态掩蔽卷积的局部代理估计器，并开发了一种密度感知贪心算法来优化该界限。大量实验证明了我们方法的优越性。此外，在极少标签的情况下，我们的方案取得了与全监督对应方法相当的性能。
引用
@article{arxiv.2312.09595,
title = {Density Matters: Improved Core-set for Active Domain Adaptive Segmentation},
author = {Shizhan Liu and Zhengkai Jiang and Yuxi Li and Jinlong Peng and Yabiao Wang and Weiyao Lin},
journal= {arXiv preprint arXiv:2312.09595},
year = {2023}
}