面向第一视角手部分割域自适应的前景感知风格化与共识伪标注
计算机视觉与模式识别
2022-03-29 v4
摘要
手部分割是第一视角视觉中的关键任务。由于第一视角图像在不同环境中表现出强烈的外观偏置，需要将预训练的分割模型适配到新域。此处，我们分别关注手部区域与背景的外观差异。我们提出（i）前景感知图像风格化与（ii）共识伪标注用于手部分割的域自适应。我们利用目标图像作为风格，对源图像的前景和背景独立进行风格化。为解决风格化未处理的域偏移，我们通过对源图像与风格化源图像上训练的模型取共识，施加谨慎的伪标注。我们在从真实与仿真图像的手部分割域自适应上验证了方法。我们的方法在两种设定下均达到SOTA性能。我们还在具挑战性的多目标域自适应与域泛化设定中展示了有前景的结果。代码见 https://github.com/ut-vision/FgSty-CPL。
引用
@article{arxiv.2107.02718,
title = {Foreground-Aware Stylization and Consensus Pseudo-Labeling for Domain Adaptation of First-Person Hand Segmentation},
author = {Takehiko Ohkawa and Takuma Yagi and Atsushi Hashimoto and Yoshitaka Ushiku and Yoichi Sato},
journal= {arXiv preprint arXiv:2107.02718},
year = {2022}
}
备注
Accepted to IEEE Access 2021