BriefGPT - AI 论文速递
·
领域自适应语义分割的样式适应
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了一种简单直接的方法来减小不同领域之间的差异，并与自训练的无监督领域适应方法集成。该模型通过在潜在特征空间中传递目标领域的风格给源领域，解决了图像级别和特征图级别上的问题，并在目标领域上取得了出色性能。在合成到真实的无监督领域适应任务中，我们的方法在GTA->Cityscapes数据集上达到了显著的UDA性能，mIoU为76.93%，比先前最先进结果改善了1.03个百分点。
🎯
关键要点
- 提出了一种简单直接的方法来减小不同领域之间的差异。
- 该方法无需进行额外的参数计算。
- 可以与基于自训练的无监督领域适应方法无缝集成。
- 通过在潜在特征空间中传递目标领域的风格给源领域，优先考虑目标领域的风格。
- 在图像级别和浅层特征图级别上解决了领域差异问题。
- 在合成到真实的无监督领域适应任务中取得显著性能提升。
- 在GTA->Cityscapes数据集上，mIoU达76.93%，比先前最先进结果改善了1.03个百分点。
➡️
