用于改善真实世界监控中语义分割的混合域自适应
计算机视觉与模式识别
2026-03-25 v1
摘要
真实世界监控中遇到的各种任务可通过确定后验(例如通过贝叶斯推断或机器学习)来解决,并须据此作出关键决策。然而,监控领域(采集设备、运行条件等)通常未知,这排除了任何场景特定优化的可能性。在本文中,我们定义了一个概率框架,并给出了一种用于后验的无监督多对无穷域自适应算法的形式化证明。我们提出的算法适用于目标域的概率测度是源域概率测度的凸组合的情况。它利用离线训练的源模型和域判别器模型来计算在线自适应于目标域的后验。最后,我们展示了我们的算法在真实世界监控中语义分割任务上的有效性。代码公开于https://github.com/rvandeghen/MDA。
引用
@article{arxiv.2211.10119,
title = {Mixture Domain Adaptation to Improve Semantic Segmentation in Real-World Surveillance},
author = {Sébastien Piérard and Anthony Cioppa and Anaïs Halin and Renaud Vandeghen and Maxime Zanella and Benoît Macq and Saïd Mahmoudi and Marc Van Droogenbroeck},
journal= {arXiv preprint arXiv:2211.10119},
year = {2026}
}