从 SAM 中学习:通过正规化利用分割基础模型进行 Sim2Real 领域自适应
原文中文,约400字,阅读约需1分钟。发表于: 。自主域自适应方法对目标域训练数据稀缺和注释成本高的机器人应用领域尤为重要。我们提出了一种自我监督的域自适应方法,适用于仅有标注源领域数据但目标领域数据完全无标注的情景,并且我们使用了分割基础模型(Segment Anything...
该文介绍了一种自我监督的域自适应方法,适用于仅有标注源领域数据但目标领域数据完全无标注的情景。作者使用了分割基础模型来获得未标注数据的部分信息,并提出了一种对目标域中检测到的分割区域进行正则化特征表示的不变性方差损失结构。作者在两个数据集上展示了该方法的优势,并显示出它优于之前的方法,甚至优于使用真实注释进行训练的网络(在其中一个数据集上)。