域自适应语义分割的风格适应
计算机视觉与模式识别
2024-04-26 v1
摘要
无监督域适应（UDA）指利用带标签的源域数据和无标签的目标域数据训练模型，以使其能够泛化到目标域数据。域差异导致大多数通用网络模型在应用到目标域时性能显著下降。我们提出了一种简单直接的方法来缓解域差异，无需额外参数计算，且可无缝集成到基于自训练的UDA方法中。通过将目标域风格传递到潜在特征空间中的源域，模型在决策过程中优先考虑目标域风格。我们在图像级和浅特征图级上解决了该问题，通过将目标域的风格信息传递到源域数据。结果获得的模型在目标域上表现出优异性能。我们的方法在合成到真实的UDA任务中实现了显著提升。例如，我们的方法在GTA->Cityscapes数据集上实现了值得注意的UDA性能76.93 mIoU，较前一最佳结果提高了+1.03个百分点。
引用
@article{arxiv.2404.16301,
title = {Style Adaptation for Domain-adaptive Semantic Segmentation},
author = {Ting Li and Jianshu Chao and Deyu An},
journal= {arXiv preprint arXiv:2404.16301},
year = {2024}
}