다중 영역 의미 분할을 위한 자발적 피라미드 커리큘럼 구축: 비대립적 접근법

우리는 합성 소스 도메인에서 실제 대상 도메인으로의 의미 분할 신경망 적응을 촉진하기 위한 새로운 접근 방식인 자기 동기 부여 피라미드 커리큘럼 도메인 적응(self-motivated pyramid curriculum domain adaptation, PyCDA)를 제안합니다. 우리의 접근 방식은 커리큘럼 도메인 적응과 자기 학습이라는 두 가지 기존 연구를 연결하는 통찰력을 바탕으로 합니다. 이전 연구에서 영감을 받아, PyCDA는 대상 도메인에 대한 다양한 속성을 포함하는 피라미드 커리큘럼을 구성합니다. 이러한 속성은 주로 대상 도메인 이미지, 이미지 영역, 및 픽셀에 대한 원하는 라벨 분포와 관련됩니다. 이러한 속성을 준수하도록 분할 신경망을 강제함으로써, 우리는 네트워크의 대상 도메인 일반화 능력을 향상시킬 수 있습니다. 자기 학습에서 영감을 받아, 우리는 의미 분할 신경망 자체를 활용하여 이 피라미드 속성을 추론합니다. 기존 연구와 달리, 우리는 추가적인 모델(예: 로지스틱 회귀 또는 판별망)을 유지하거나 최적화하기 어려운 민맥스(minmax) 문제를 해결할 필요가 없습니다. 우리는 GTAV와 SYNTHIA에서 Cityscapes로의 적응에 대해 최신 성능 결과를 보고하며, 이는 의미 분할의 비지도 도메인 적응에서 두 가지 인기 있는 설정입니다.