domain adaptive semantic segmentation | BriefGPT

关键词domain adaptive semantic segmentation

搜索结果 - 13

ProtoGMM：基于多原型高斯混合的领域自适应语义分割模型
通过利用 GMM 模型，我们提出了一种多原型对比学习的领域自适应语义分割方法，以实现源域和目标域之间的领域对齐，并在 UDA 基准测试中展示出了方法的有效性。
PDF9 days ago
D2SL: 颗粒细分濛雾领域自适应去雾与语义学习分离
提出 D2SL 框架，通过解耦雾化和语义学习任务，引入领域一致性转换策略和真实雾化转换策略，提高模型在雾化条件下的自适应能力和语义表达能力。
PDF3 months ago
改进跨域混合采样，基于指导训练的自适应分割
通过引入辅助任务 “Guidance Training”，我们提出了一种新型的无监督领域自适应方法，该方法在减轻领域间分布差异的同时，引导模型从混合数据中提取和重建目标领域特征分布，并利用重建的特征进行伪标签预测，从而改进了现有方法的性能。
PDF3 months ago
ICCV基于扩散的图像转换在领域自适应语义分割中的应用
通过使用源领域标签作为图像翻译的明确指导，本文提出了一种创新的方法来解决领域自适应语义分割中的语义一致的局部细节保持问题，并利用了渐进翻译学习策略来实现在具有大差距领域中可靠工作的语义梯度引导方法。大量实验证明了我们方法相对于最先进的方法的
PDF10 months ago
Cal-SFDA：无源域自适应语义分割与可微的期望校准误差
提出了一种新的校准引导的无源自适应语义分割 (Cal-SFDA) 框架，该框架通过估计预期校准误差 (ECE) 进行模型训练和选择，以适应目标域数据，并在两个常用的合成 - 真实转移任务上超过了先前的最新技术。
PDFa year ago
通过重要性感知和原型对比学习实现无源域适应语义分割
本文提出了一种基于 IAPC 学习的端到端无源领域适应语义分割方法，通过重视度感知机制和原型对比策略从经过训练的源模型和未标注的目标领域中学习特征，解决了在现实驾驶场景中领域转移很难处理的问题。实验结果表明，该方法在两个领域适应语义分割基准
PDFa year ago
将目标拔向源头：关于域自适应语义分割的新视角
本研究提出了一种新的域自适应语义分割方法 T2S-DA，通过将目标特征拉近到源特征中来提高模型的跨域特征表示性能；同时，该方法还采用动态加权策略，使模型可以更好地集中在那些表现较差的像素类别上。实验结果证明，T2S-DA 方法学习的表示性能
PDFa year ago
CVPRDiGA: 经过蒸馏泛化再适应于领域自适应语义分割
本文提出一种基于知识蒸馏的域自适应语义分割方法，用于取代当前广泛使用的对抗训练，通过阈值自由的动态伪标籍选择机制自动适应目标域，配合跨域混合数据增强技术，显著提升语义分割结果。
PDFa year ago
SePiCo: 面向域自适应语义分割的语义引导像素对比
该论文提出了一种新的一步自适应框架 SePiCo，它通过强调单个像素的语义概念来促进跨域自学习方法的学习，并在合成到真实和白天到夜晚自适应情景下取得了显著的进展。
PDF2 years ago
CVPR面向域自适应语义分割的平衡类别像素自标记
本文提出了一种基于像素分布和类别平衡的自我标记方法，可以改善目标域中的结构分割性能，尤其是在长尾类别上表现得更好。
PDF2 years ago
领域自适应语义分割无源数据
一个基于自训练网络的语义分割框架，该框架主要包含两个部分：正样本提取和负样本提取，以及选用了启发式的互补标签选择方法。通过实验可知，该框架在广泛应用的合成到实际领域的语义分割任务上表现出了很高的性能。
PDF3 years ago
AUGCO: 无源域自适应语义分割的增强一致性自训练
该研究提出了一种名为 AUGCO 的算法，在无源数据的情况下，利用模型的像素精度在目标图像的多样化自动生成视图下的预测一致性以及模型置信度来识别可靠的像素预测并进行有选择性的自我训练，最终在三种标准的语义分割基准测试中取得了最先进的无源自适
PDF3 years ago
像素级循环关联：一种领域自适应语义分割的新视角
本文提出了基于像素级循环关联的域自适应语义分割方法，该方法仅需要源域注释即可在目标域产生令人满意的像素级预测，并在两个标准基准测试中获得了优秀的性能表现，可望在未来的域适应语义分割研究中发挥一定的作用。
PDF4 years ago