图像退化下的卫星图像无源在线域自适应语义分割

卫星图像分割中对分布偏移的在线适应是一个至关重要但尚未充分探索的问题。在本文中，我们针对卫星图像处理无源和在线域自适应，即测试时自适应（TTA），重点关注缓解由各种图像退化形式引起的分布偏移。为实现这一目标，我们提出了一种包含两个有效策略的新型 TTA 方法。首先，我们利用输入数据流逐步估计目标分布的全局 Batch Normalization (BN) 统计量。在推理过程中利用这些统计量能够有效减小域差距。此外，我们通过使用全局类中心细化预测掩码来提升预测质量。这两种策略均采用动态动量以实现快速且稳定的收敛。值得注意的是，我们的方法无需反向传播，因此快速且轻量，使其高度适合对新域的即时适应。通过在各种域自适应场景下的全面实验，我们展示了我们方法的稳健性能。