DADA: 의미 분할에서 깊이 인식 도메인 적응

비지도 도메인 적응(UDA)은 대규모 대표 데이터의 주석이 어려운 응용 분야에서 중요합니다. 특히 의미 분할의 경우, 다른 '소스 도메인'에서 주석이 달린 이미지로 훈련된 모델을 실제 '타겟 도메인' 데이터에 배포하는 데 도움이 됩니다. 이는 특히 가상 환경에서 이루어집니다. 대부분의 이전 연구에서는 소스 도메인 데이터에 대한 감독으로 의미 분할만을 고려하면서, 깊이와 같은 다른 가능성이 있는 정보를 무시했습니다. 본 연구에서는 UDA 모델을 훈련하는 동안 이러한 특권 정보를 최대한 활용하기 위해 노력합니다. 우리는 소스 도메인에서 밀도 높은 깊이 지식을 여러 보완적인 방식으로 활용하는 통합된 깊이 인식 UDA 프레임워크를 제안합니다. 그 결과, 타겟 도메인에서 훈련된 의미 분할 모델의 성능이 향상됩니다. 우리의 새로운 접근법은 실제로 다양한 어려운 합성-실제 벤치마크에서 최신 수준의 성능을 달성하였습니다.