論文の概要: Towards Dynamic and Small Objects Refinement for Unsupervised Domain Adaptative Nighttime Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2310.04747v2
• Date: Thu, 14 Mar 2024 08:59:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-16 02:32:48.630298
• Title: Towards Dynamic and Small Objects Refinement for Unsupervised Domain Adaptative Nighttime Semantic Segmentation
• Title（参考訳）: 教師なしドメイン適応型夜間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ックセグメンテーションのための動的および小さな物体の微細化に向けて
• Authors: Jingyi Pan, Sihang Li, Yucheng Chen, Jinjing Zhu, Lin Wang,
• Abstract要約: 夜間セマンティックセグメンテーションは、自律運転のような実践的応用において重要な役割を果たす。 UDAはこれらの課題に対処する可能性を示し、夜間のセマンティックセグメンテーションにおいて顕著な結果を得た。 本稿では,夜間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動的および小型オブジェクトのラベルレベルと特徴レベルの両方を改良する新しいUDA手法を提案する。
• 参考スコア（独自算出の注目度）: 10.770319457743192
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Nighttime semantic segmentation plays a crucial role in practical applications, such as autonomous driving, where it frequently encounters difficulties caused by inadequate illumination conditions and the absence of well-annotated datasets. Moreover, semantic segmentation models trained on daytime datasets often face difficulties in generalizing effectively to nighttime conditions. Unsupervised domain adaptation (UDA) has shown the potential to address the challenges and achieved remarkable results for nighttime semantic segmentation. However, existing methods still face limitations in 1) their reliance on style transfer or relighting models, which struggle to generalize to complex nighttime environments, and 2) their ignorance of dynamic and small objects like vehicles and poles, which are difficult to be directly learned from other domains. This paper proposes a novel UDA method that refines both label and feature levels for dynamic and small objects for nighttime semantic segmentation. First, we propose a dynamic and small object refinement module to complement the knowledge of dynamic and small objects from the source domain to target the nighttime domain. These dynamic and small objects are normally context-inconsistent in under-exposed conditions. Then, we design a feature prototype alignment module to reduce the domain gap by deploying contrastive learning between features and prototypes of the same class from different domains, while re-weighting the categories of dynamic and small objects. Extensive experiments on three benchmark datasets demonstrate that our method outperforms prior arts by a large margin for nighttime segmentation. Project page: https://rorisis.github.io/DSRNSS/.
• Abstract（参考訳）: 夜間セマンティックセグメンテーションは、不適切な照明条件やよく注釈されたデータセットの欠如によってしばしば困難に遭遇する自律運転のような実践的な応用において重要な役割を担っている。 さらに、日中のデータセットで訓練されたセマンティックセグメンテーションモデルは、夜間の状況に効果的に一般化することの難しさに直面することが多い。 非教師なしドメイン適応(UDA)は、これらの課題に対処する可能性を示し、夜間のセマンティックセグメンテーションにおいて顕著な結果を得た。 しかし、既存の方法は依然として限界に直面している。 1)複雑な夜間環境への一般化に苦慮する様式の移転・啓蒙モデルへの依存 2) 車両やポールのような動的で小さな物体の無知は, 他領域から直接の学習が困難である。 本稿では,夜間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動的および小型オブジェクトのラベルレベルと特徴レベルの両方を改良する新しいUDA手法を提案する。 まず、夜間ドメインをターゲットとした動的・小型オブジェクトの知識を補完する動的・小型オブジェクトリファインメントモジュールを提案する。 これらの動的および小さなオブジェクトは、通常、未公開の条件下では文脈に一貫性がない。 そこで我々は,異なるドメインから同一クラスの特徴とプロトタイプの対比学習をデプロイし,動的および小オブジェクトのカテゴリを再重み付けすることで,ドメインギャップを低減する機能プロトタイプアライメントモジュールを設計する。 3つのベンチマークデータセットの大規模な実験により、我々の手法は夜間セグメンテーションの大きなマージンで先行技術より優れていることが示された。 プロジェクトページ: https://rorisis.github.io/DSRNSS/。

関連論文リスト

• Exploring Reliable Matching with Phase Enhancement for Night-time Semantic Segmentation [58.180226179087086]
  夜間セマンティックセマンティックセグメンテーションに適した新しいエンドツーエンド最適化手法であるNightFormerを提案する。 具体的には,画素レベルのテクスチャ・エンハンスメント・モジュールを設計し,フェーズ・エンハンスメントとアンプリメント・アテンションとともに階層的にテクスチャ・アウェア機能を取得する。 提案手法は、最先端の夜間セマンティックセグメンテーション手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2024-08-25T13:59:31Z)
• Prompt-Driven Dynamic Object-Centric Learning for Single Domain Generalization [61.64304227831361]
  単一ドメインの一般化は、単一のソースドメインデータからモデルを学び、他の見えないターゲットドメイン上での一般的なパフォーマンスを達成することを目的としている。 本稿では,画像の複雑さの変化に対応することを目的とした,素早い学習に基づく動的物体中心知覚ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-02-28T16:16:51Z)
• A Threefold Review on Deep Semantic Segmentation: Efficiency-oriented, Temporal and Depth-aware design [77.34726150561087]
  我々は、自動運転車のビジョンの文脈において、Deep Semanticの最も関連性があり最近の進歩について調査を行う。 私たちの主な目的は、それぞれの視点で直面している主要な方法、利点、制限、結果、課題に関する包括的な議論を提供することです。
  論文  参考訳（メタデータ） (2023-03-08T01:29:55Z)
• ASAP: Accurate semantic segmentation for real time performance [3.5327983932835165]
  異なるノルムを持つ特徴融合法(FFDN)を提案する。 FFDNは、自己注意の前に多層スケールと垂直プールモジュールの豊富なグローバルコンテキストを利用する。 73.1のunion(mIoU)と191のFrame Per Second(FPS)の平均相互作用は、Cityscapesテストデータセットの最先端と同等の結果である。
  論文  参考訳（メタデータ） (2022-10-04T02:35:53Z)
• Discovering Objects that Can Move [55.743225595012966]
  手動ラベルなしでオブジェクトを背景から分離する、オブジェクト発見の問題について検討する。 既存のアプローチでは、色、テクスチャ、位置などの外観の手がかりを使用して、ピクセルをオブジェクトのような領域に分類する。 私たちは、動的オブジェクト -- 世界で独立して動くエンティティ -- にフォーカスすることを選びます。
  論文  参考訳（メタデータ） (2022-03-18T21:13:56Z)
• Reimagine BiSeNet for Real-Time Domain Adaptation in Semantic Segmentation [17.761939190746812]
  ドメイン間のリアルタイムセマンティックセグメンテーションの課題について考察する。 我々は、合成領域で訓練されたとしても、実世界のデータに対して適切に行動するようにモデルを訓練する。 私たちは、この目的のために特別に作られた新しい軽量で浅い識別器を採用しています。
  論文  参考訳（メタデータ） (2021-10-22T08:39:28Z)
• Event-based Motion Segmentation with Spatio-Temporal Graph Cuts [51.17064599766138]
  イベントベースカメラで取得したオブジェクトを独立に識別する手法を開発した。 この方法は、予想される移動物体の数を事前に決定することなく、技術状態よりも同等以上の性能を発揮する。
  論文  参考訳（メタデータ） (2020-12-16T04:06:02Z)
• Unsupervised Domain Adaptation for Spatio-Temporal Action Localization [69.12982544509427]
  S時間動作の局所化はコンピュータビジョンにおいて重要な問題である。 本稿では、エンドツーエンドの教師なしドメイン適応アルゴリズムを提案する。 空間的特徴と時間的特徴を別々にあるいは共同的に適応した場合に,顕著な性能向上が達成できることを示す。
  論文  参考訳（メタデータ） (2020-10-19T04:25:10Z)
• Lookahead Adversarial Learning for Near Real-Time Semantic Segmentation [2.538209532048867]
  我々は,最先端セグメンテーションモデル(DeepLabv3+)をコアとした条件付き対向ネットワークを構築した。 我々は、ほぼリアルタイムなフィールドアプリケーションのための推論で高速に実行されるセグメンテーションモデルに焦点を当てる。
  論文  参考訳（メタデータ） (2020-06-19T17:04:38Z)

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。