2달 전
다중 융합 적응: 비지도 의미 분할 적응을 위한 강력한 프레임워크
Kai Zhang; Yifan Sun; Rui Wang; Haichang Li; Xiaohui Hu

초록
본 논문은 크로스 도메인 의미 분할 작업에 도전하며, 추가적인 주석 없이 라벨이 부여되지 않은 대상 도메인의 분할 정확도를 향상시키는 것을 목표로 합니다. 의사 라벨 기반 비지도 학습 영역 적응(UDA) 파이프라인을 사용하여, 우리는 새로운이고 효과적인 다중 융합 적응(MFA) 방법을 제안합니다. MFA는 기본적으로 세 가지 병렬 정보 융합 전략, 즉 모델 간 융합, 시간적 융합 및 새로운 온라인-오프라인 의사 라벨 융합을 고려합니다. 특히, 온라인-오프라인 의사 라벨 융합은 오프라인 의사 라벨에서 쉽게 무시되는 어려운 영역에 추가적인 주의를 기울이는 것을 촉진하여 더 많은 정보가 포함된 세부 사항을 유지하게 합니다. 다른 두 가지 융합 전략이 표준적으로 보일 수 있지만, MFA는 통합의 효율성과 효과성을 크게 향상시키기 위해 많은 노력을 기울였으며, 모든 세 가지 전략을 통일된 프레임워크에 성공적으로 통합하였습니다. GTA5-to-Cityscapes와 SYNTHIA-to-Cityscapes라는 두 개의 널리 사용되는 벤치마크에서 수행한 실험 결과, 우리의 방법은 의미 분할 적응을 크게 개선하고 새로운 최고 수준의 성능(각각 58.2%와 62.5% mIoU)을 설정하였습니다. 코드는 https://github.com/KaiiZhang/MFA에서 제공될 예정입니다.