Dark Model Adaptation: Semantische Bildsegmentierung von Tages- zu Nachtzeit

Diese Arbeit befasst sich mit dem Problem der semantischen Bildsegmentierung von Nachtszenen. Obwohl bei der semantischen Bildsegmentierung erhebliche Fortschritte gemacht wurden, betrifft dies hauptsächlich Tageszeit-Szenarien. In diesem Artikel wird eine neuartige Methode vorgeschlagen, um die auf Tageszeit-Szenen trainierten semantischen Modelle sowie deren umfangreiche Annotationen über den Übergangsbereich des Zwielichts – der Zeit zwischen Dämmerung und Sonnenaufgang oder zwischen Sonnenuntergang und Einbruch der Dunkelheit – auf Nachtszenen anzuwenden. Das Ziel der Methode besteht darin, die Kosten für menschliche Annotationen von Nachtbildern durch das Wissenstransfer aus Standardtagesbedingungen zu reduzieren. Neben der Methode wurde ein neuer Datensatz von Straßenbildern erstellt; dieser besteht aus 35.000 Bildern, die vom Tag über das Zwielicht bis zur Nacht reichen. Zudem wurden eine Teilmenge der Nachtbilder dicht annotiert, um die Methode zu evaluieren. Unsere Experimente zeigen, dass unsere Methode effektiv ist, um Modelle von Tages- auf Nachtszenen anzupassen, ohne zusätzliche menschliche Annotationen zu verwenden.