IELDG：利用逆演化层抑制域特定噪声以实现域泛化语义分割
计算机视觉与模式识别
2025-08-28 v1 人工智能
摘要
域泛化语义分割(DGSS)旨在利用源域的标注数据训练模型，使其在推理时能鲁棒地泛化到未见的目标域。提升泛化性的常用方法是通过扩散模型(DM)生成合成数据来增强源域。然而，生成的图像常因训练不完善而包含结构或语义缺陷。使用此类缺陷数据训练分割模型会导致性能下降和误差累积。为解决此问题，我们提出将逆演化层(IELs)融入生成过程。IELs利用基于拉普拉斯算子的先验来突出空间不连续性和语义不一致性，从而更有效地滤除不良生成模式。基于此机制，我们引入IELDM，一种增强的基于扩散的数据增强框架，能够生成更高质量的图像。此外，我们观察到IELs的缺陷抑制能力同样可以惠及分割网络，通过抑制伪影传播来提升性能。基于此洞察，我们将IELs嵌入DGSS模型的解码器中，提出了IELFormer以增强跨域场景下的泛化能力。为进一步增强模型在多尺度上的语义一致性，IELFormer集成了多尺度频率融合(MFF)模块，通过频域分析实现多分辨率特征的结构化整合，从而提升跨尺度一致性。在基准数据集上的广泛实验表明，我们的方法相比现有方法取得了优越的泛化性能。
引用
@article{arxiv.2508.19604,
title = {IELDG: Suppressing Domain-Specific Noise with Inverse Evolution Layers for Domain Generalized Semantic Segmentation},
author = {Qizhe Fan and Chaoyu Liu and Zhonghua Qiao and Xiaoqin Shen},
journal= {arXiv preprint arXiv:2508.19604},
year = {2025}
}