ADVENT: 대역 적 엔트로피 최소화를 통한 의미 분할의 영역 적응

의미 분할은 많은 컴퓨터 비전 작업에서 핵심적인 문제입니다. 컨볼루션 신경망을 기반으로 하는 접근 방식이 다양한 벤치마크에서 지속적으로 새로운 기록을 세우고 있지만, 다양한 테스트 환경에 잘 일반화하는 것은 여전히 주요한 과제입니다. 실제로 수많은 실제 응용 프로그램에서 학습 데이터와 테스트 데이터의 분포 사이에는 큰 차이가 있어, 이로 인해 실행 시 심각한 성능 저하가 발생합니다. 본 연구에서는 픽셀 단위 예측의 엔트로피를 기반으로 하는 손실을 사용하여 의미 분할에서 비지도 도메인 적응 문제를 다루었습니다. 이를 위해 (i) 엔트로피 손실과 (ii) 적대적 손실을 각각 사용하는 두 가지 새로운 보완적인 방법을 제안합니다. 우리는 두 가지 도전적인 "시뮬레이션-2-리얼" 설정에서 의미 분할의 최신 성능을 입증하였으며, 이 접근 방식이 탐지에도 활용될 수 있음을 보여주었습니다.