Divide, Ensemble and Conquer: 无监督域适应语义分割的最后一公里
计算机视觉与模式识别
2024-12-06 v2
摘要
语义分割无监督域适应（UDA）的最后一公里是解决合成到真实领域间鸿沟的挑战。近期的 UDA 方法取得了显著进展，但往往依赖针对合成单源数据集（如 GTA5）定制的策略，这限制了其对多源数据集的泛化能力。相反，合成多源数据集为推进 UDA 的最后一公里提供了潜力，但目前研究中鲜有被利用。因此，我们提出了 DEC—a 一种面向多源数据集的灵活 UDA 框架。遵循分而治之策略，DEC 将语义类别进行划分，为每个类别训练模型，并通过仅在合成数据集上训练的集成模型融合其输出，以获得最终分割掩码。DEC 可与现有 UDA 方法集成，在 Cityscapes、BDD100K 和 Mapillary Vistas 上实现了最先进的性能，显著缩小了合成到真实的领域差距。
引用
@article{arxiv.2406.18809,
title = {Divide, Ensemble and Conquer: The Last Mile on Unsupervised Domain Adaptation for Semantic Segmentation},
author = {Tao Lian and Jose L. Gómez and Antonio M. López},
journal= {arXiv preprint arXiv:2406.18809},
year = {2024}
}
备注
Accepted by TIV