RobustNet: インスタンス選択的ホワイトニングを用いた都市シーンセグメンテーションにおけるドメイン汎化の改善

深層ニューラルネットワークの未知のドメインに対する汎化能力を向上させることは、自動運転などの実世界における安全性が重要なアプリケーションにとって極めて重要です。本論文では、この問題に対処するために、新たなインスタンス選択的ホワイトニング損失を提案し、未知のドメインでのセグメンテーションネットワークの堅牢性を向上させる手法を提示します。当手法は、特徴表現の高次の統計量（つまり、特徴共分散）に符号化されたドメイン固有のスタイルとドメイン不変のコンテンツを分離し、ドメインシフトを引き起こすスタイル情報のみを選択的に除去します。図1に示されているように、当手法は(a)低照度、(b)雨天時、および(c)未見の構造物に対して合理的な予測を提供します。これらの画像は訓練データセットには含まれていませんが、ベースラインモデルでは性能が大幅に低下する一方で、当手法ではそのような性能低下が見られません。当手法は単純でありながら効果的で、追加の計算コストなしに様々なバックボーンネットワークの堅牢性を向上させることができます。都市シーンセグメンテーションに関する広範な実験を行い、当手法が既存の研究よりも優れていることを示しました。コードは https://github.com/shachoi/RobustNet から入手可能です。