ICLRApr, 2024
探索选择性图像匹配方法用于城市天蓬预测的零样本和少样本无监督域适应
Exploring selective image matching methods for zero-shot and few-sample unsupervised domain adaptation of urban canopy prediction
John Francis, Stephen Law
TL;DR通过数据匹配和领域适应多任务 UNet 网络，无需培训领域自适应分类器和大量微调，我们研究了将训练好的网络适应新地理环境的简单方法。无监督领域适应方法中，选择性数据对齐通过在两个地理域中识别相似图像，并在 “零样本” 情况和微调的情况下，测试了一整套基于数据的方法。研究发现，选择性数据对齐方法在 “零样本” 情况下产生了有希望的结果，使用少量微调则更加出色。这些方法表现优于未转换的基线和流行的基于数据的图像转换模型。最佳性能的方法是像素分布适应和傅里叶域适应分别用于估算森林冠层覆盖和高度任务。