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。发表于：。本文研究了针对针孔到全景语义分割的无源无监督域自适应（SFUDA）问题，通过仅有预训练的针孔图像模型（即源模型）和未标记的全景图像（即目标模型）。我们提出了一种名为 360SFUDA ++ 的方法，有效地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。我们利用切线投影（TP）和等面积投影（ERP）分别进行知识提取，并引入了 RP2AM 和 CDAM...
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。
