BriefGPT - AI 论文速递
·
从邻域出发：面向全景语义分割的畸变感知无监督领域自适应
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文介绍了一种名为HRDA的多分辨率训练方法，通过结合小的高分辨率裁剪和大的低分辨率裁剪，以及学习到的比例关注，来提高语义分割的UDA性能。该方法能够保留细节并捕获上下文信息，从而在GTA到Cityscapes和Synthia到Cityscapes的mIoU上分别达到73.8和65.8。
🎯
关键要点
- 提出了一种名为HRDA的多分辨率训练方法。
- HRDA结合小的高分辨率裁剪和大的低分辨率裁剪。
- 该方法通过学习到的比例关注来保留精细的分割细节。
- HRDA能够捕获远程和域鲁棒性的上下文信息。
- 该方法显著提高了语义分割的UDA性能。
- 在GTA到Cityscapes的mIoU上达到了73.8。
- 在Synthia到Cityscapes的mIoU上达到了65.8。
➡️
