要約
パノプティックセグメンテーションは、セマンティックセグメンテーションとインスタンスセグメンテーションを統合する手法であり、近年ますます注目を集めている。しかし、既存の多くは教師あり学習の枠組みで行われており、異なるタスクや応用において極めて重要な無監督ドメイン適応型パノプティックセグメンテーションについては、ほとんど無視されてきた。本研究では、最適なドメイン適応型パノプティックセグメンテーションを実現するため、スタイル間の一貫性とタスク間の正則化を活用するドメイン適応型パノプティックセグメンテーションネットワークを提案する。スタイル間の一貫性は、同一画像の異なるスタイル間における幾何学的不変性を活用し、ネットワークがドメイン不変特徴を学習するための自己教師信号を生成する。一方、タスク間の正則化は、インスタンスセグメンテーションとセマンティックセグメンテーションの相補性を活かし、ドメイン間での特徴の整合性を向上させる制約として用いる。複数のドメイン適応型パノプティックセグメンテーションタスク（例：合成データから実データ、実データから実データ）における広範な実験結果から、本手法が最先端技術と比較して優れたセグメンテーション性能を達成することが示された。