التكيف بين المجالات المتعددة مع التعلم المشترك للمطابقة

في الآونة الأخيرة، أصبح التكيف بين المجالات غير المشرف (Unsupervised Domain Adaptation) للمهمة الفصل الدلالي (Semantic Segmentation) أكثر شيوعًا بسبب تكلفة البكسل المرتفعة لتحديد الصور الواقعية. ومع ذلك، فإن معظم طرق التكيف بين المجالات مقتصرة على زوج مصدر-هدف واحد فقط ولا يمكن توسيعها مباشرة إلى مجالات أهداف متعددة. في هذا العمل، نقترح إطارًا للتعلم التعاوني لتحقيق التكيف بين المجالات غير المشرف لأهداف متعددة. يتم تدريب نموذج خبير غير مشرف لكل زوج من المصدر والهدف، ويُشجَّع على التعاون مع بعضه البعض من خلال جسر يُبنى بين مختلف مجالات الأهداف. يتم تحسين هذه النماذج الخبيرة بشكل أكبر بإضافة تنظيم يجعل التوقع البكسلي ثابتًا لكل عينة بنفس السياق الهيكلي. للحصول على نموذج واحد يعمل عبر مجالات أهداف متعددة، نقترح تعلم نموذج طالب بشكل متزامن يتم تدريبه ليس فقط على تقليد إخراج كل خبير في المجال الهدف المقابل، ولكن أيضًا على تقريب النماذج الخبيرة المختلفة من بعضها البعض من خلال تنظيم أوزانها. تظهر التجارب الواسعة أن الطريقة المقترحة يمكنها استغلال المعلومات الهيكلية الغنية الموجودة في كل من المجال المصدر المحدد والمهام الأهداف المتعددة غير المحددة بشكل فعال. فهي لا تعمل بشكل جيد عبر مجالات أهداف متعددة فحسب، بل إن أدائها يفوق أيضًا أفضل طرق التكيف بين المجالات غير المشرف التي تم تدريبها خصيصًا على زوج مصدر-هدف واحد.