夜間の明瞭な視認性：昼間と夜間の画像変換を用いた堅牢な夜間セマンティックセグメンテーションへの道程

現在、意味分割は昼間のシーンや良好な照明条件などの標準的な状況において、著しい効率性と信頼性を示しています。しかし、夜間のような悪条件下では、その精度が大幅に低下します。この問題の主な原因の一つは、十分な量の夜間シーンの注釈付きセグメンテーションデータセットが不足していることです。本論文では、生成対抗ネットワーク（Generative Adversarial Networks: GANs）を使用して、悪条件下での意味分割の精度低下を軽減するためのフレームワークを提案します。昼間と夜間の画像ドメインを橋渡すために、我々は以下の重要な観察を行いました：悪条件下のデータセットと比較して、BDDや我々が収集したZJUデータセットなど、標準的な条件におけるセグメンテーションデータセットが相当数存在することです。我々のGANベースの夜間意味分割フレームワークには2つの方法が含まれています。最初の方法では、GANsを使用して夜間画像を昼間に変換し、既に昼間のデータセットで訓練された堅牢なモデルを使用して意味分割を行うことができます。別の方法では、データセット内の昼間画像を異なる比率で夜間に変換しますが、ラベルはそのまま保持します。これにより、合成された夜間セグメンテーションデータセットを生成し、夜間条件下でも堅牢に動作するモデルを作成することができます。実験において、後者の方法は交差率（Intersection over Union: IoU）およびピクセル精度（Pixel Accuracy: Acc）を用いた定量的な結果から明らかに夜間での性能向上をもたらしました。また、データセット内の合成夜間画像の割合によって性能が変動することを示しており、昼夜を通じて最も堅牢な性能を発揮する最適な割合（sweet spot）があることが確認されました。