基于图像退化的语义分割无监督域桥接
计算机视觉与模式识别
2025-12-09 v2
摘要
语义分割在将训练好的网络应用于不同域时会出现显著性能下降。为此，广泛研究了无监督域适应（UDA）。尽管自训练技术在 UDA 中效果良好，但仍忽略了对域共享特征提取的显式建模。本文提出了 DiDA，一种用于语义分割的无监督域桥接方法。DiDA 包含两个关键模块：（1）基于退化的中间域构建，通过简单的图像退化操作创建连续中间域，以鼓励学习域无关特征，使域差异逐渐减小；（2）语义位移补偿，利用扩散编码器解耦并补偿退化时间步长中的语义位移信息，保留中间域中的判别性表示。作为即插即用的解决方案，DiDA 支持各种退化操作，并可无缝集成到现有的 UDA 方法中。大量实验表明，在多个域适应语义分割基准上，DiDA 在所有设置下均实现了显著的性能提升。代码已公开于 https://github.com/Woof6/DiDA。
引用
@article{arxiv.2412.10339,
title = {Towards Unsupervised Domain Bridging via Image Degradation in Semantic Segmentation},
author = {Wangkai Li and Rui Sun and Huayu Mai and Tianzhu Zhang},
journal= {arXiv preprint arXiv:2412.10339},
year = {2025}
}
备注
Accepted by Conference on Neural Information Processing Systems (NeurIPS 2025)