FREDOM：面向语义场景理解的公平性域适应方法
计算机视觉与模式识别
2023-04-06 v1
摘要
尽管语义场景分割中的域适应近年取得令人瞩目的进展，但域适应中的公平性问题尚待明确定义与解决。此外，公平性是将分割模型部署于人机相关现实应用（如自动驾驶）时最关键的方面之一，因为任何不公平的预测都可能影响人身安全。本文提出一种新颖的公平性域适应（FREDOM）方法用于语义场景分割。具体而言，基于所提出的公平性目标公式，将引入一种基于类别分布公平处理的新适应框架。此外，为普遍建模结构依赖的语境，引入一种新的条件结构约束以强加预测分割的一致性。得益于所提出的条件结构网络，自注意力机制已充分建模分割的结构信息。通过消融实验，所提方法展现出分割模型性能的提升并促进了模型预测的公平性。在 SYNTHIA Cityscapes 与 GTA5 Cityscapes 两个标准基准上的实验结果表明，我们的方法取得了最先进（SOTA）性能。
引用
@article{arxiv.2304.02135,
title = {FREDOM: Fairness Domain Adaptation Approach to Semantic Scene Understanding},
author = {Thanh-Dat Truong and Ngan Le and Bhiksha Raj and Jackson Cothren and Khoa Luu},
journal= {arXiv preprint arXiv:2304.02135},
year = {2023}
}
备注
Accepted to CVPR'23