基于双形式互补遮盖的域适应图像分割
计算机视觉与模式识别
2025-07-17 v1 人工智能
摘要
最近的研究将遮盖图像建模 (MIM) 与无监督域适应 (UDA) 中的一致性正则化相关联。然而，这些方法仅将遮盖视为输入图像上的一种特殊形变，忽略了理论分析，导致对遮盖重建的浅层理解，并且未充分利用其在增强特征提取和表征学习方面的潜能。本文我们将遮盖重建重新框定为稀疏信号重建问题，理论证明双形式互补遮盖在提取域无关图像特征方面具有优势。基于这一引人注目的洞察，我们提出了 MaskTwins，一个简单而有效的 UDA 框架，将遮盖重建直接集成到主训练管道中。MaskTwins 通过强制执行互补遮盖方式下图像预测的一致性，揭示跨离散域中持续的内在结构模式，实现端到端的域泛化。广泛的实验验证了 MaskTwins 在自然图像和生物图像分割中优于基线方法的优势。这些结果表明，MaskTwins 在无需单独预训练的情况下，能够显著提升域不变特征的提取，为域适应分割提供了新的范式。
引用
@article{arxiv.2507.12008,
title = {Dual form Complementary Masking for Domain-Adaptive Image Segmentation},
author = {Jiawen Wang and Yinda Chen and Xiaoyu Liu and Che Liu and Dong Liu and Jianqing Gao and Zhiwei Xiong},
journal= {arXiv preprint arXiv:2507.12008},
year = {2025}
}
备注
Accepted by ICML 2025