Nov, 2023
SAM4UDASS: 当 SAM 与无监督领域自适应语义分割相遇于智能车辆中
SAM4UDASS: When SAM Meets Unsupervised Domain Adaptive Semantic Segmentation in Intelligent Vehicles
Weihao Yan, Yeqiang Qian, Xingyuan Chen, Hanyang Zhuang, Chunxiang Wang...
TL;DRSAM4UDASS 是一种新颖方法,通过将 Segment Anything Model(SAM)与自训练的无监督域自适应方法相结合,用于改进伪标签和解决类别不平衡问题,在驾驶场景中实现语义分割,并与现有自训练的无监督域自适应方法无缝衔接。经过在合成到真实和正常到恶劣的驾驶数据集上的广泛实验,证明了其有效性,使用 DAFormer 在 GTA5 到 Cityscapes、SYNTHIA 到 Cityscapes 和 Cityscapes 到 ACDC 上获得超过 3% mIoU 的提升,并在使用 MIC 时达到了 SOTA 水平。