面向语义分割的无监督对比域适应
计算机视觉与模式识别
2022-04-19 v1
摘要
语义分割模型在存在域偏移时难以泛化。本文中，我们引入对比学习用于跨域适应中的特征对齐。我们构建域内对比对与跨域对比对，以学习跨域对齐的判别性特征。基于所得的良好对齐特征表示，我们提出一种标签扩展方法，能够在适应过程中发现来自困难类别的样本，从而进一步提升性能。所提方法在域适应上持续优于最先进方法。当在合成 GTA5 数据集与无标签 Cityscapes 图像上训练时，其在 Cityscapes 数据集上取得了 60.2% 的 mIoU。
引用
@article{arxiv.2204.08399,
title = {Unsupervised Contrastive Domain Adaptation for Semantic Segmentation},
author = {Feihu Zhang and Vladlen Koltun and Philip Torr and René Ranftl and Stephan R. Richter},
journal= {arXiv preprint arXiv:2204.08399},
year = {2022}
}