
要約
本論文はクロスドメインの意味分割タスクに挑戦し、追加のアノテーションなしでラベルのない対象ドメインでの分割精度を向上させることが目的です。疑似ラベルベースの非監督ドメイン適応(UDA)パイプラインを使用して、新しいかつ効果的なマルチフュージョン適応(MFA)手法を提案します。MFAは基本的に3つの並列情報フュージョン戦略、すなわちクロスモデルフュージョン、時間的フュージョン、および新しいオンライン-オフライン疑似ラベルフュージョンを考慮しています。特に、オンライン-オフライン疑似ラベルフュージョンは、オフライン疑似ラベルによって見落とされやすい困難な領域に対する適応学習の注意を促進し、より多くの情報量のある詳細を保持することを目指しています。他の2つのフュージョン戦略が標準的なものに見えるかもしれませんが、MFAは統合の効率と効果性を大幅に向上させるために多大な努力を払っており、3つの戦略すべてを統一されたフレームワークに組み込むことに成功しています。GTA5-to-Cityscapes および SYNTHIA-to-Cityscapes という2つの広く使用されているベンチマークでの実験結果は、当手法が意味分割適応において大幅な改善をもたらし、新たな最先端技術(それぞれ58.2% および62.5% のmIoU)を確立していることを示しています。コードは https://github.com/KaiiZhang/MFA で公開予定です。