结构全解析：跨领域适应结构信息以提升语义分割性能

本文研究了无监督领域适应在语义分割任务中的应用问题，旨在将从带有真实标签的合成数据集中学到的知识迁移到未标注的真实世界图像中。基于图像的结构内容是语义分割中最具信息量和决定性的因素，并且可以在不同领域之间轻松共享这一假设，我们提出了一种域不变结构提取（DISE）框架，用于将图像分解为域不变结构和域特定纹理表示。该框架可以进一步实现跨领域的图像翻译，并促进标签迁移以提高分割性能。大量实验验证了我们提出的DISE模型的有效性，并展示了其在多个最新方法上的优越性。