学习适配结构化输出空间用于语义分割

基于卷积神经网络（CNN）的语义分割方法依赖于像素级真值监督，但可能不能很好地泛化到未见过的图像域。由于标注过程繁琐且劳动密集，开发能够将源真值标签适配到目标域的算法具有很大意义。在本文中，我们提出一种用于语义分割领域自适应的对抗学习方法。考虑到语义分割作为包含源域和目标域之间空间相似性的结构化输出，我们在输出空间中采用对抗学习。为了进一步增强适配后的模型，我们构建了一个多级对抗网络，以在不同特征层级上有效地执行输出空间域自适应。在各种域自适应设置下进行了大量实验和消融研究，包括合成到真实以及跨城市场景。我们表明，所提出的方法在准确率和视觉质量方面均优于最先进（SOTA）的方法。