2달 전

야생에서의 FCN: 픽셀 수준의 적대적 및 제약 기반 적응

Judy Hoffman; Dequan Wang; Fisher Yu; Trevor Darrell
야생에서의 FCN: 픽셀 수준의 적대적 및 제약 기반 적응
초록

픽셀 밀도 예측을 위한 완전 합성곱 모델은 다양한 시각적 작업에서 성공적으로 입증되었습니다. 이러한 모델은 감독된 환경에서 우수한 성능을 보이지만, 인간 관찰자에게는 경미하게 보이는 도메인 변화에서도 성능이 놀랍게도 저하될 수 있습니다. 예를 들어, 한 지리적 지역과/또는 날씨 조건의 도시에서 훈련하고 다른 도시에서 테스트할 경우, 픽셀 단위 분포 변화로 인해 성능이 크게 저하될 수 있습니다. 본 논문에서는 최초로 도메인 적응적인 의미 분할 방법을 소개하며, 픽셀 예측 문제에 대한 비감독적 적대적 접근 방식을 제안합니다. 우리의 방법은 전역적 및 카테고리별 적응 기술로 구성됩니다. 전역 도메인 정렬은 새로운 의미 분할 네트워크와 완전 합성곱 도메인 적대적 학습을 사용하여 수행됩니다. 이 초기적으로 적응된 공간은 제약된 약학습의 일반화를 통해 소스 도메인에서 대상 도메인으로 공간 배치를 명시적으로 전송함으로써 카테고리별 적응을 가능하게 합니다. 우리의 접근 방식은 여러 대규모 데이터셋에서 다양한 설정에 걸쳐 기준선들을 능가하며, 실제 도시 환경 간, 다양한 시뮬레이션 하위 도메인 간, 시뮬레이션 환경에서 실제 환경으로의 적응, 그리고 새로운 대규모 대시 캠 데이터셋에서도 효과를 입증하였습니다.

야생에서의 FCN: 픽셀 수준의 적대적 및 제약 기반 적응 | 최신 연구 논문 | HyperAI초신경