通过消除域特定信息实现域间推广

本文提出了一种名为域独立性（Domain Independence, DI）和消除域特定信息（Attenuation of Domain-Specific Information, ADSI）的新评估指标，专为汽车图像中的域间推广语义分割设计。DI 测量域特定信息的存在程度：DI值越低，表明域依赖性越强；DI值越高，表明域独立性越强。这使得可以大致确定域特定信息存在的位置以及其存在的频率范围。因此，可以有效抑制仅包含域特定信息的图像区域，从而实现与域无关的特征提取。ADSI 使用巴特沃尔滤波器去除包含传感器特性和光照条件等固有域特定信息的图像的低频分量。然而，低频分量也包含颜色等重要信息，因此不应完全移除。通过乘以一个取值范围为 0 到 1 的标量值来保留低频分量，这有助于模型学习更具域独立性的特征。在实验中，使用 GTA5（合成数据集）作为训练图像，而使用真实世界数据集进行评估，所提出的方法在常规方法之上取得了优异的表现。类似地，在使用 Cityscapes（真实世界数据集）进行训练并使用各种环境数据集（如雨天和夜间）进行评估的实验中，所提出的方法在夜间条件下表现出良好的鲁棒性。