論文の概要: Contextual-Relation Consistent Domain Adaptation for Semantic
Segmentation
- arxiv url: http://arxiv.org/abs/2007.02424v2
- Date: Wed, 15 Jul 2020 12:22:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-13 08:20:40.974873
- Title: Contextual-Relation Consistent Domain Adaptation for Semantic
Segmentation
- Title（参考訳）: セマンティックセグメンテーションのための文脈関係整合ドメイン適応
- Authors: Jiaxing Huang, Shijian Lu, Dayan Guan, and Xiaobing Zhang
- Abstract要約: 本稿では,革新的局所文脈相関整合ドメイン適応手法を提案する。
グローバルレベルのアライメントにおいて、地域レベルのコンピテンシーを達成することを目的としている。
実験では, 最先端手法と比較して, セグメンテーション性能が優れていることを示した。
- 参考スコア（独自算出の注目度）: 44.19436340246248
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in unsupervised domain adaptation for semantic segmentation
have shown great potentials to relieve the demand of expensive per-pixel
annotations. However, most existing works address the domain discrepancy by
aligning the data distributions of two domains at a global image level whereas
the local consistencies are largely neglected. This paper presents an
innovative local contextual-relation consistent domain adaptation (CrCDA)
technique that aims to achieve local-level consistencies during the
global-level alignment. The idea is to take a closer look at region-wise
feature representations and align them for local-level consistencies.
Specifically, CrCDA learns and enforces the prototypical local
contextual-relations explicitly in the feature space of a labelled source
domain while transferring them to an unlabelled target domain via
backpropagation-based adversarial learning. An adaptive entropy max-min
adversarial learning scheme is designed to optimally align these hundreds of
local contextual-relations across domain without requiring discriminator or
extra computation overhead. The proposed CrCDA has been evaluated extensively
over two challenging domain adaptive segmentation tasks (e.g., GTA5 to
Cityscapes and SYNTHIA to Cityscapes), and experiments demonstrate its superior
segmentation performance as compared with state-of-the-art methods.
- Abstract（参考訳）: セマンティックセグメンテーションのための教師なしドメイン適応の最近の進歩は、高価なピクセル単位のアノテーションの需要を緩和する大きな可能性を示している。
しかし、既存のほとんどの研究は、2つのドメインのデータ分布をグローバルな画像レベルで整列させることによってドメインの矛盾に対処している。
本稿では,グローバルレベルのアライメントにおいて局所レベルのコンピテンシーを実現することを目的とした,革新的な局所的文脈相関整合ドメイン適応(CrCDA)手法を提案する。
そのアイデアは、地域ごとの特徴表現を詳しく見て、それらをローカルレベルの構成に合わせることだ。
具体的には、crcdaはラベル付きソースドメインの特徴空間において明示的に前型的局所文脈関係を学習し、強制し、バックプロパゲーションベースの敵学習を介してラベル付きターゲットドメインに転送する。
aadaptive entropy max-min adversarial learning schemeは、これらの数百の局所的文脈関係を、判別器や余分な計算オーバーヘッドを必要とせずに最適に整列するように設計されている。
提案するcrcdaは,2つの難解な領域適応セグメンテーションタスク(gta5,都市景観シンセサイス,都市景観シンセサイスなど)に対して広範囲に評価され,最新の手法と比較して優れたセグメンテーション性能が実証されている。
関連論文リスト
- PiPa++: Towards Unification of Domain Adaptive Semantic Segmentation via Self-supervised Learning [34.786268652516355]
教師なしドメイン適応セグメンテーションは、それらのドメインのラベル付きデータに頼ることなく、ターゲットドメイン上のモデルのセグメンテーション精度を向上させることを目的としている。
ソースドメイン(ラベル付きデータが利用可能な場所)とターゲットドメイン(ラベルなしデータのみが存在する場所)の特徴表現の整合を図る。
論文 参考訳（メタデータ） (2024-07-24T08:53:29Z) - CDA: Contrastive-adversarial Domain Adaptation [11.354043674822451]
我々はtextbfContrastive-adversarial textbfDomain textbfAdaptation textbf(CDA) と呼ばれるドメイン適応のための2段階モデルを提案する。
逆成分はドメインレベルのアライメントを促進するが、2段階のコントラスト学習はクラス情報を利用してドメイン間の高いクラス内コンパクト性を実現する。
論文 参考訳（メタデータ） (2023-01-10T07:43:21Z) - Domain Adaptive Semantic Segmentation with Regional Contrastive
Consistency Regularization [19.279884432843822]
本稿では,領域適応型セマンティックセマンティックセグメンテーションのための局所コントラスト整合正規化(RCCR)と呼ばれる,新しいエンドツーエンドのトレーニング可能なアプローチを提案する。
私たちの中核となる考え方は、異なる画像の同じ位置から抽出された類似の地域的特徴を取り除き、その一方、2つの画像の異なる位置から特徴を分離することです。
論文 参考訳（メタデータ） (2021-10-11T11:45:00Z) - AFAN: Augmented Feature Alignment Network for Cross-Domain Object
Detection [90.18752912204778]
オブジェクト検出のための教師なしドメイン適応は、多くの現実世界のアプリケーションにおいて難しい問題である。
本稿では、中間領域画像生成とドメイン・アドバイザリー・トレーニングを統合した新しい機能アライメント・ネットワーク(AFAN)を提案する。
提案手法は、類似および異種ドメイン適応の双方において、標準ベンチマークにおける最先端の手法よりも大幅に優れている。
論文 参考訳（メタデータ） (2021-06-10T05:01:20Z) - More Separable and Easier to Segment: A Cluster Alignment Method for
Cross-Domain Semantic Segmentation [41.81843755299211]
上記の問題を緩和するために,ドメイン仮定の近接性に基づく新しいUDAセマンティックセマンティックセマンティクス手法を提案する。
具体的には、同じ意味を持つクラスタピクセルにプロトタイプクラスタリング戦略を適用し、ターゲットドメインピクセル間の関連付けをより良く維持します。
GTA5とSynthiaで行った実験は,本法の有効性を実証した。
論文 参考訳（メタデータ） (2021-05-07T10:24:18Z) - MLAN: Multi-Level Adversarial Network for Domain Adaptive Semantic
Segmentation [32.77436219094282]
本稿では,領域間不整合を大域画像レベルと局所領域レベルで最適に扱うことを目的とした,MLAN(Multi-level adversarial Network)を提案する。
MLANは2つの新しい設計、すなわち、地域レベルの対角学習(RL-AL)と共正規化された対角学習(CR-AL)を持つ。
広範な実験は、MLANが複数のデータセットにまたがる大きなマージンで最先端のものを上回ることを示しています。
論文 参考訳（メタデータ） (2021-03-24T05:13:23Z) - Cross-Domain Grouping and Alignment for Domain Adaptive Semantic
Segmentation [74.3349233035632]
深層畳み込みニューラルネットワーク(CNN)内のソースドメインとターゲットドメインにセマンティックセグメンテーションネットワークを適用する既存の技術は、対象ドメイン自身や推定カテゴリ内のクラス間変異を考慮していない。
学習可能なクラスタリングモジュールと、クロスドメイングルーピングとアライメントと呼ばれる新しいドメイン適応フレームワークを導入する。
本手法はセマンティクスセグメンテーションにおける適応性能を一貫して向上させ,様々なドメイン適応設定において最先端を上回っている。
論文 参考訳（メタデータ） (2020-12-15T11:36:21Z) - Affinity Space Adaptation for Semantic Segmentation Across Domains [57.31113934195595]
本稿では,意味的セグメンテーションにおける教師なしドメイン適応(UDA)の問題に対処する。
ソースドメインとターゲットドメインが不変なセマンティック構造を持つという事実に触発され、ドメイン間におけるそのような不変性を活用することを提案する。
親和性空間適応戦略として,親和性空間の洗浄と親和性空間アライメントという2つの方法を開発した。
論文 参考訳（メタデータ） (2020-09-26T10:28:11Z) - Spatial Attention Pyramid Network for Unsupervised Domain Adaptation [66.75008386980869]
教師なし領域適応は様々なコンピュータビジョンタスクにおいて重要である。
教師なし領域適応のための新しい空間注意ピラミッドネットワークを設計する。
我々の手法は最先端の手法に対して大きなマージンで好適に機能する。
論文 参考訳（メタデータ） (2020-03-29T09:03:23Z) - Bi-Directional Generation for Unsupervised Domain Adaptation [61.73001005378002]
教師なしのドメイン適応は、確立されたソースドメイン情報に依存するラベルなしのターゲットドメインを促進する。
従来の手法では、潜在空間におけるドメインの不一致を強制的に低減することで、本質的なデータ構造が破壊される。
本稿では、2つの中間領域をブリッジソースとターゲットドメインに補間する一貫した分類器を用いた双方向生成ドメイン適応モデルを提案する。
論文 参考訳（メタデータ） (2020-02-12T09:45:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。