基于潜表示混合的一次性图像到图像翻译的无监督域自适应语义分割
计算机视觉与模式识别
2023-08-09 v1 图像与视频处理
摘要
域自适应是处理大规模土地利用/土地覆盖制图中广泛遇到的域偏移，以及对于监督式语义分割至关重要的像素级真值稀缺性的重要策略之一。聚焦于通过对源域样本重新风格化（通常借助生成对抗网络）进行对抗域自适应的研究已报道了不同程度的成功，但它们存在语义不一致、视觉损坏问题，且常需要大量目标域样本。在本信中，我们提出一种用于甚高分辨率图像语义分割的新无监督域自适应方法，其 i) 生成语义一致且无噪声的图像，ii) 仅使用单个目标域样本（即一次性）操作，且 iii) 所需参数数量仅为最先进方法的一小部分。更具体地，提出了一种基于编码器-解码器原理的图像到图像翻译范式，其中潜内容表示跨域混合，并进一步引入感知网络模块与损失函数以强制语义一致性。跨城市对比实验表明，所提方法优于最先进的域自适应方法。我们的源代码将发布于 \url{https://github.com/Sarmadfismael/LRM_I2I}。
引用
@article{arxiv.2212.03826,
title = {Unsupervised Domain Adaptation for Semantic Segmentation using One-shot Image-to-Image Translation via Latent Representation Mixing},
author = {Sarmad F. Ismael and Koray Kayabol and Erchan Aptoula},
journal= {arXiv preprint arXiv:2212.03826},
year = {2023}
}