MC-PanDA：基于面具置信度的全景域适应
计算机视觉与模式识别
2024-07-22 v1
摘要
域自适应全景分割旨在解决自然场景理解中长尾角落情况。以往的最先进方法通过跨任务一致性、谨慎的系统级优化和对教师预测的经验性改进来解决此问题。相反，我们提出是在基于面具变换器估计其自身预测不确定性的显著能力基础上构建的。我们的方法通过利用全景教师预测的细粒度置信度来避免噪声放大。具体而言，我们调制以面具为单位的置信度损失，并鼓励对不确定的教师或自信学生的像素进行反向传播。实验评估在标准基准数据集上显示，所提选择技术在实质性方面。我们在 Synthia 到 Cityscapes 上报告 47.4 PQ，这相当于比现有最先进方法提高了 6.2 个百分点。源代码可在 https://github.com/helen1c/MC-PanDA 获取。
引用
@article{arxiv.2407.14110,
title = {MC-PanDA: Mask Confidence for Panoptic Domain Adaptation},
author = {Ivan Martinović and Josip Šarić and Siniša Šegvić},
journal= {arXiv preprint arXiv:2407.14110},
year = {2024}
}
备注
Accepted on ECCV 2024