FD-DB：基于频率解耦双分支网络的无配对合成到真实域迁移
计算机视觉与模式识别
2026-02-12 v2
摘要
合成数据提供了低成本、准确标注的几何感知视觉任务样本，但由于合成域与真实域之间的外观和成像差异，会导致严重的域迁移并影响下游性能。无配对合成到真实的迁移可在无配对监督情况下缩小这一差距，但现有方法常面临光照逼真性与结构稳定性之间的权衡：完全无约束的生成可能引入变形或伪影纹理，而过于刚性的约束则限制了对真实域统计特性的适应。我们提出了 FD-DB，一种频率解耦双分支模型，将外观迁移分为低频可解释编辑和高频残差补偿两个部分。可解释分支预测物理上有意义的编辑参数（白平衡、曝光、对比度、饱和度、模糊和颗粒），以构建稳定的低频外观基底并保持强内容保真。自由分支通过残差生成补充细节，采用门控融合机制在显式频率约束下组合两个分支，以限制低频漂移。我们进一步采用两阶段训练计划：先稳定编辑分支，再释放残差分支以提高优化稳定性。在 YCB-V 数据集上进行实验表明，FD-DB 在真实域外观一致性方面取得改进，显著提升了下游语义分割性能，同时保持几何和语义结构。
引用
@article{arxiv.2602.09476,
title = {FD-DB: Frequency-Decoupled Dual-Branch Network for Unpaired Synthetic-to-Real Domain Translation},
author = {Chuanhai Zang and Jiabao Hu and XW Song},
journal= {arXiv preprint arXiv:2602.09476},
year = {2026}
}
备注
26 pages, 13 figures, 2 tables. Code available at https://github.com/tryzang/FD-DB