BriefGPT - AI 论文速递
·
360SFUDA++：面向全景分割的无源 UDA：学习可靠的类别原型
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文研究了无源无监督域自适应问题，通过预训练的针孔图像模型和未标记的全景图像。提出了360SFUDA++方法，从源针孔模型中提取知识，并将可靠的知识转移到目标全景领域。实验证明，该方法相较于先前的SFUDA方法表现更好。
🎯
关键要点
- 研究无源无监督域自适应问题，针对针孔到全景语义分割。
- 提出360SFUDA++方法，从源针孔模型中提取知识。
- 将可靠的知识转移到目标全景领域。
- 利用切线投影（TP）和等面积投影（ERP）进行知识提取。
- 引入RP2AM和CDAM模块以更好地转移和对齐知识。
- 在合成和真实场景的实验中，方法表现优于先前的SFUDA方法。
➡️
