論文の概要: EDAPS: Enhanced Domain-Adaptive Panoptic Segmentation

• arxiv url: http://arxiv.org/abs/2304.14291v2
• Date: Thu, 21 Dec 2023 20:54:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-25 18:41:47.350352
• Title: EDAPS: Enhanced Domain-Adaptive Panoptic Segmentation
• Title（参考訳）: EDAPS: 拡張ドメイン適応型パノプティブセグメンテーション
• Authors: Suman Saha, Lukas Hoyer, Anton Obukhov, Dengxin Dai and Luc Van Gool
• Abstract要約: 本研究では,パノプティカルネットワークの設計について検討し,ドメイン適応型パノプティカルセグメンテーションのための新しいアーキテクチャ(EDAPS)を提案する。 EDAPSは、SynTHIA-to-Cityscapesでは20%、より困難なSynTHIA-to-Mapillary Vistasでは72%という大きなマージンで、パンプトセグメンテーションUDAの最先端性能を著しく向上させる。
• 参考スコア（独自算出の注目度）: 93.25977558780896
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With autonomous industries on the rise, domain adaptation of the visual perception stack is an important research direction due to the cost savings promise. Much prior art was dedicated to domain-adaptive semantic segmentation in the synthetic-to-real context. Despite being a crucial output of the perception stack, panoptic segmentation has been largely overlooked by the domain adaptation community. Therefore, we revisit well-performing domain adaptation strategies from other fields, adapt them to panoptic segmentation, and show that they can effectively enhance panoptic domain adaptation. Further, we study the panoptic network design and propose a novel architecture (EDAPS) designed explicitly for domain-adaptive panoptic segmentation. It uses a shared, domain-robust transformer encoder to facilitate the joint adaptation of semantic and instance features, but task-specific decoders tailored for the specific requirements of both domain-adaptive semantic and instance segmentation. As a result, the performance gap seen in challenging panoptic benchmarks is substantially narrowed. EDAPS significantly improves the state-of-the-art performance for panoptic segmentation UDA by a large margin of 20% on SYNTHIA-to-Cityscapes and even 72% on the more challenging SYNTHIA-to-Mapillary Vistas. The implementation is available at https://github.com/susaha/edaps.
• Abstract（参考訳）: 自律型産業の台頭により、視覚知覚スタックのドメイン適応はコスト削減の約束のために重要な研究方向である。 多くの先行技術は、合成から現実への文脈におけるドメイン適応意味セグメンテーションに特化していた。 知覚スタックの重要なアウトプットであるにもかかわらず、panopticのセグメンテーションはドメイン適応コミュニティによって見過ごされています。 したがって、ドメイン適応戦略を他の分野から再検討し、パンオプティカルセグメンテーションに適応させ、効果的にパンオプティカルドメイン適応を向上できることを示す。 さらに,パン光学ネットワークの設計について検討し,ドメイン適応型パン光学セグメンテーションのための新しいアーキテクチャ(EDAPS)を提案する。 セマンティクスとインスタンス機能の共用的適応を容易にするために、共有されたドメインロバストトランスフォーマーエンコーダを使用するが、ドメイン適応セマンティクスとインスタンスセグメンテーションの両方の特定の要件に合わせて調整されたタスク固有のデコーダである。 その結果,パン光学ベンチマークにおける性能差は著しく狭められた。 EDAPSは、SynTHIA-to-Cityscapesでは20%、より困難なSynTHIA-to-Mapillary Vistasでは72%という大きなマージンで、パンプトセグメンテーションUDAの最先端性能を著しく向上させる。 実装はhttps://github.com/susaha/edapsで利用可能である。

関連論文リスト

• Language-Guided Instance-Aware Domain-Adaptive Panoptic Segmentation [44.501770535446624]
  汎視的ドメイン適応の鍵となる課題は、ラベル付きソースとラベルなしターゲットドメインの間のドメインギャップを減らすことである。 我々は、新しいクロスドメイン混合戦略IMixによるインスタンスレベル適応の導入に重点を置いている。 LIDAPSと呼ばれる2つのメカニズムを組み込んだエンド・ツー・エンド・エンド・モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-04T20:42:49Z)
• Exploring Consistency in Cross-Domain Transformer for Domain Adaptive Semantic Segmentation [51.10389829070684]
  ドメインギャップは、自己注意の相違を引き起こす可能性がある。 このギャップのため、変圧器は、ターゲット領域の精度を低下させる刺激領域または画素に付随する。 ドメイン横断の注意層を持つアテンションマップに適応する。
  論文  参考訳（メタデータ） (2022-11-27T02:40:33Z)
• UniDAformer: Unified Domain Adaptive Panoptic Segmentation Transformer via Hierarchical Mask Calibration [49.16591283724376]
  単一ネットワーク内でのドメイン適応型インスタンス分割とセマンティックセマンティックセマンティックセマンティクスを同時に実現可能な,シンプルで統一されたドメイン適応型パン光学セマンティクスセマンティクス変換器UniDAformerを設計する。 UniDAformerは階層型マスク(Hierarchical Mask, HMC)を導入し、オンザフライでのオンラインセルフトレーニングを通じて、領域、スーパーピクセル、注釈付きピクセルのレベルで不正確な予測を修正した。 1) 統合されたドメイン適応型パン光学適応を可能にする; 2) 誤った予測を緩和し、ドメイン適応型パン光学セグメンテーションを効果的に改善する; 3) より単純なトレーニングと推論パイプラインでエンドツーエンドのトレーニングを可能にする。
  論文  参考訳（メタデータ） (2022-06-30T07:32:23Z)
• Amplitude Spectrum Transformation for Open Compound Domain Adaptive Semantic Segmentation [62.68759523116924]
  オープン化合物ドメイン適応(OCDA)は、実用的な適応セットとして現れている。 我々は、新しい特徴空間振幅スペクトル変換(AST)を提案する。
  論文  参考訳（メタデータ） (2022-02-09T05:40:34Z)
• Cross-View Regularization for Domain Adaptive Panoptic Segmentation [32.77436219094282]
  我々は、相互整合性とタスク間正規化を利用するドメイン適応型パンオプティクスネットワークを設計する。 提案するネットワークは,最先端技術と比較して,優れたセグメンテーション性能を実現する。
  論文  参考訳（メタデータ） (2021-03-03T18:29:23Z)
• 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)
• Unsupervised Bidirectional Cross-Modality Adaptation via Deeply Synergistic Image and Feature Alignment for Medical Image Segmentation [73.84166499988443]
  我々は、Synergistic Image and Feature Alignment (SIFA)と名付けられた新しい教師なしドメイン適応フレームワークを提案する。 提案するSIFAは、画像と特徴の両方の観点から、ドメインの相乗的アライメントを行う。 2つの異なるタスクに対する実験結果から,SIFA法は未ラベル対象画像のセグメンテーション性能を向上させるのに有効であることが示された。
  論文  参考訳（メタデータ） (2020-02-06T13:49:47Z)

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。