TridentAdapt：通过源-目标对抗与自诱导跨域增强学习域不变性
计算机视觉与模式识别
2022-11-22 v2
摘要
由于获取真实标签的困难，从虚拟世界数据集学习对于语义分割等现实应用具有极大意义。从域适应角度看，关键挑战在于学习输入的域无关表示以利用虚拟数据。本文提出一种新颖的三叉戟式架构，强制共享特征编码器同时满足对抗性的源域与目标域约束，从而学习域不变特征空间。此外，我们还引入了一种新颖的训练流程，在前向传播过程中实现自诱导的跨域数据增强。这有助于进一步缩小域差距。结合自训练过程，我们在基准数据集（如GTA5或Synthia到Cityscapes的适应）上取得了SOTA结果。代码与预训练模型见 https://github.com/HMRC-AEL/TridentAdapt
引用
@article{arxiv.2111.15300,
title = {TridentAdapt: Learning Domain-invariance via Source-Target Confrontation and Self-induced Cross-domain Augmentation},
author = {Fengyi Shen and Akhil Gurram and Ahmet Faruk Tuna and Onay Urfalioglu and Alois Knoll},
journal= {arXiv preprint arXiv:2111.15300},
year = {2022}
}