Aug, 2023
利用多粒度跨域对齐提升异常分割
Improving Anomaly Segmentation with Multi-Granularity Cross-Domain Alignment
Ji Zhang, Xiao Wu, Zhi-Qi Cheng, Qi He, Wei Li
TL;DR提出了适用于复杂驾驶环境中异常物体分割的多粒度跨域对齐(MGCDA)框架,该框架将新的多源领域对抗训练(MDAT)模块和新的跨域异常感知对比学习(CACL)方法结合起来,以增强模型的普适性,无缝地整合多域数据,并在场景和样本级别上进行操作。