Mehrziel-Domänenanpassung mit kollaborativem Konsistenzlernen

Kürzlich ist die unüberwachte Domänenanpassung für die Aufgabe der semantischen Segmentierung aufgrund der hohen Kosten von Pixel-Level-Annotationen auf realen Bildern zunehmend beliebt geworden. Dennoch sind die meisten Domänenanpassungsverfahren nur auf ein einzelnes Quell-Ziel-Paar beschränkt und können nicht direkt auf mehrere Zielbereiche erweitert werden. In dieser Arbeit schlagen wir einen kollaborativen Lernrahmen vor, um eine unüberwachte Mehrziel-Domänenanpassung zu erreichen. Zunächst wird für jedes Quell-Ziel-Paar ein Modell zur unüberwachten Domänenanpassung trainiert, das dann durch eine Brücke zwischen verschiedenen Zielbereichen angeregt wird, miteinander zusammenzuarbeiten. Diese Expertenmodelle werden durch die Hinzufügung einer Regularisierung verbessert, die konsistente pixelweise Vorhersagen für jedes Beispiel mit demselben strukturierten Kontext vornimmt. Um ein einzelnes Modell zu erhalten, das in mehreren Zielbereichen funktioniert, schlagen wir vor, gleichzeitig ein Schülervorhaben zu lernen, das nicht nur gelernt wird, die Ausgabe jedes Experten im entsprechenden Zielbereich nachzuahmen, sondern auch verschiedene Experten durch Regularisierung ihrer Gewichte näher aneinander heranziehen soll. Ausführliche Experimente zeigen, dass das vorgeschlagene Verfahren effektiv reichhaltige strukturierte Informationen aus sowohl dem etikettierten Quellbereich als auch den mehreren nicht-etikettierten Zielbereichen nutzt. Es zeigt nicht nur gute Leistungen in mehreren Zielbereichen, sondern übertrifft auch stand der Technik entsprechende Methoden der unüberwachten Domänenanpassung, die speziell für ein einzelnes Quell-Ziel-Paar trainiert wurden.请注意，这里有一些小的调整以确保句子结构更加符合德语的习惯，同时保持了原文的意思和专业性。例如，“Schülervorhaben”在这里指的是“学生模型”，但为了使表达更加自然，采用了“Vorhaben”这个词。此外，“stand der Technik entsprechende Methoden”是对“state-of-the-art methods”的正式翻译。希望这些调整能帮助您更好地理解译文。