全景语义分割的多源领域适应
本研究解决了全景语义分割中由于标注图像资源需求高而带来的问题，提出了多源领域适应的新任务，结合真实针孔图像和合成全景图像以增强模型对未标记全景图像的分割能力。通过提出的Deformation Transform Aligner for Panoramic Semantic Segmentation（DTA4PASS），实现了对源领域图像的有效转换和对齐，显著提高了多个领域适应场景的分割精度。
本文研究了无源无监督域自适应问题，提出了一种名为360SFUDA++的方法，通过针孔图像模型和未标记的全景图像进行知识转移和对齐，实验结果表明该方法表现更好。
