基于物理先验的零样本昼夜域自适应
计算机视觉与模式识别
2021-10-12 v2
摘要
我们探索昼夜域自适应的零样本设定。传统的域自适应设定是在一个域上训练，并通过利用来自测试集的无标签数据样本自适应到目标域。由于收集相关测试数据代价高昂且有时甚至不可能，我们去除对测试数据图像的任何依赖，转而利用源自基于物理的反射模型的视觉归纳先验来进行域自适应。我们将若干颜色不变边缘检测器构建为卷积神经网络中的可训练层，并评估它们对照明变化的鲁棒性。我们表明颜色不变层减少了整个网络中特征图激活的昼夜分布偏移。我们在包括分类、分割与地点识别在内的多个任务上，于合成及自然数据集上展示了改进的零样本昼到夜域自适应性能。
引用
@article{arxiv.2108.05137,
title = {Zero-Shot Day-Night Domain Adaptation with a Physics Prior},
author = {Attila Lengyel and Sourav Garg and Michael Milford and Jan C. van Gemert},
journal= {arXiv preprint arXiv:2108.05137},
year = {2021}
}
备注
ICCV 2021 Oral presentation. Code, datasets and supplementary material: https://github.com/Attila94/CIConv