スタイルとフォグの両方が重要である：意味的曇天シーン理解のための累積ドメイン適応

明るい天候下における意味的シーン理解においては、顕著な進展が見られているが、濃霧などの悪天候条件下では、観測の不完全性に起因する不確実性のため、依然として困難な課題である。さらに、霧がかった画像の収集およびラベル付けの困難さが、この分野の進展を妨げている。明るい天候下での意味的シーン理解において既に達成された成果を踏まえ、明るい画像から学習した知識を霧がかった領域に転移することは合理的であると考えられる。したがって、問題は明るい画像と霧がかった画像の間のドメインギャップを埋めることに帰着する。従来の手法が主に霧に起因するドメインギャップ（画像の除霧や明るい画像への霧の付加）に注力しているのに対し、本研究では、霧の影響とスタイルの変化の両方を同時に考慮することで、ドメインギャップを緩和する新しいアプローチを提案する。その動機は、スタイル関連のギャップと霧関連のギャップが、中間ドメインを導入することで分離可能であり、それぞれ別々に埋められることを発見したことに基づく。そこで、スタイル、霧、および二要因（スタイルと霧）の累積的適応を実現する新たなパイプラインを提案する。具体的には、異なるドメインの画像からスタイル要因と霧要因を別々に分離する統一的な枠組みを設計し、さらに三要因（スタイル、霧、二要因）の分離を、新規の累積損失関数を用いて協調的に実現する。本手法は、3つのベンチマークにおいて最先端の性能を達成し、雨天および雪天のシーンにおいても汎化能力を示した。