DANNet: 비지도 야간 세그멘테이션을 위한 단일 단계 도메인 적응 네트워크

야간 이미지의 의미 분할은 자율 주행에서 주간 이미지의 의미 분할과 동등한 중요성을 지니고 있으나, 낮은 조도 조건과 어려운 인간 라벨링으로 인해 훨씬 더 도전적인 과제이다. 본 논문에서는 레이블링된 야간 이미지 데이터를 사용하지 않고도 야간 의미 분할을 수행할 수 있는 새로운 도메인 적응 네트워크(DANNet)를 제안한다. 이 방법은 레이블링된 주간 데이터셋과 일치하는 일일 이미지 쌍이 포함된 레이블링되지 않은 데이터셋을 사용하여 적대적 학습을 수행한다. 구체적으로, 레이블링되지 않은 주간-야간 이미지 쌍에 대해 주간 이미지에서 정적 객체 카테고리에 대한 픽셀 단위 예측 결과를 가상의 지도 신호로 활용하여 해당 야간 이미지의 분할을 수행한다. 또한, 주간-야간 이미지 쌍 간의 오차 있는 정렬과 주간 이미지의 잘못된 예측으로 인한 오류를 보완하고 소형 객체의 예측 정확도를 향상시키기 위해 재가중 전략을 설계하였다. 제안된 DANNet은 주간-야간 이미지 변환 모델을 별도의 사전 처리 단계로 학습하지 않고도 단일 단계에서 야간 의미 분할을 수행할 수 있는 최초의 프레임워크이다. Dark Zurich 및 Nighttime Driving 데이터셋에서 실시한 광범위한 실험 결과, 본 방법이 야간 의미 분할 분야에서 최고 성능을 달성함을 입증하였다.