論文の概要: Seeing Beyond: Extrapolative Domain Adaptive Panoramic Segmentation

• arxiv url: http://arxiv.org/abs/2603.15475v1
• Date: Mon, 16 Mar 2026 16:09:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 18:28:58.562903
• Title: Seeing Beyond: Extrapolative Domain Adaptive Panoramic Segmentation
• Title（参考訳）: 補外的ドメイン適応型パノラマセグメンテーション
• Authors: Yuanfan Zheng, Kunyu Peng, Xu Zheng, Kailun Yang,
• Abstract要約: ドメイン間のパノラマ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は、現実世界のアプリケーションに360度を包括的に理解できるため、関心を集めている。 オープンセットのドメイン適応設定を定式化し、外挿ドメイン適応パノラマ(EDA-PSeg)フレームワークを提案する。 EDA-PSegは、様々な環境条件下で、最先端の性能、多様な観測測地への堅牢な一般化、レジリエンスを実現している。
• 参考スコア（独自算出の注目度）: 23.40590151933085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cross-domain panoramic semantic segmentation has attracted growing interest as it enables comprehensive 360° scene understanding for real-world applications. However, it remains particularly challenging due to severe geometric Field of View (FoV) distortions and inconsistent open-set semantics across domains. In this work, we formulate an open-set domain adaptation setting, and propose Extrapolative Domain Adaptive Panoramic Segmentation (EDA-PSeg) framework that trains on local perspective views and tests on full 360° panoramic images, explicitly tackling both geometric FoV shifts across domains and semantic uncertainty arising from previously unseen classes. To this end, we propose the Euler-Margin Attention (EMA), which introduces an angular margin to enhance viewpoint-invariant semantic representation, while performing amplitude and phase modulation to improve generalization toward unseen classes. Additionally, we design the Graph Matching Adapter (GMA), which builds high-order graph relations to align shared semantics across FoV shifts while effectively separating novel categories through structural adaptation. Extensive experiments on four benchmark datasets under camera-shift, weather-condition, and open-set scenarios demonstrate that EDA-PSeg achieves state-of-the-art performance, robust generalization to diverse viewing geometries, and resilience under varying environmental conditions. The code is available at https://github.com/zyfone/EDA-PSeg.
• Abstract（参考訳）: ドメイン間パノラマ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は、現実世界のアプリケーションに360度を包括的に理解できるため、関心が高まりつつある。 しかし、厳密な幾何学的視野(FoV)の歪みと、ドメイン間の一貫性のないオープンセット意味論のため、これはなお困難である。 本研究では,全360度パノラマ画像上での局所的な視点の視認とテストのトレーニングを行う外挿型ドメイン適応パノラマセグメンテーション(EDA-PSeg)フレームワークを提案し,ドメイン間の幾何学的FoVシフトと,これまで見つからなかったクラスから生じる意味的不確実性の両方に明示的に対処する。 そこで本稿では,視点不変のセマンティック表現を強化するためにアングルマージン・アテンション(EMA)を提案するとともに,振幅と位相変調を行い,目に見えないクラスに対する一般化を改善する。 さらに,グラフマッチングアダプタ (GMA) を設計し,FoVシフト間での共有セマンティクスの整合性を実現するとともに,構造的適応を通じて新規カテゴリを効果的に分離する。 カメラシフト, 気象条件, オープンセットシナリオの4つのベンチマークデータセットに対する大規模な実験により, EDA-PSegが最先端性能, 多様な地形への堅牢な一般化, 環境条件下でのレジリエンスを実現していることが示された。 コードはhttps://github.com/zyfone/EDA-PSeg.comで公開されている。

関連論文リスト

• Leveraging Depth and Language for Open-Vocabulary Domain-Generalized Semantic Segmentation [8.068623902839368]
  Open-Vocabulary semantic segmentation (OVSS)とDomain Generalization in semantic segmentation (DGSS)は微妙な相補性を強調している。 OV-DGSSは、見えない領域にまたがる堅牢性を保ちながら、見えないカテゴリのためのピクセルレベルのマスクを生成することを目的としている。 我々は,OVSSとDGSSの強みを初めて統一する,OV-DGSSのための新しい単一ステージフレームワークであるVireoを紹介する。
  論文  参考訳（メタデータ） (2025-06-11T15:54:47Z)
• EDAPS: Enhanced Domain-Adaptive Panoptic Segmentation [93.25977558780896]
  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。
  論文  参考訳（メタデータ） (2023-04-27T15:51:19Z)
• Behind Every Domain There is a Shift: Adapting Distortion-aware Vision Transformers for Panoramic Semantic Segmentation [73.48323921632506]
  パノラマ的セマンティックセマンティックセグメンテーションは2つの重要な課題により未探索である。 まず、変形性パッチ埋め込み(DPE)と変形性(DMLPv2)モジュールを備えたパノラマセマンティックトランス4PASS+を改良したトランスフォーマーを提案する。 第2に、教師なしドメイン適応パノラマセグメンテーションのための擬似ラベル修正により、Mutual Prototypeal Adaptation(MPA)戦略を強化する。 第3に、Pinhole-to-Panoramic(Pin2Pan)適応とは別に、9,080パノラマ画像を用いた新しいデータセット(SynPASS)を作成します。
  論文  参考訳（メタデータ） (2022-07-25T00:42:38Z)
• Panoramic Panoptic Segmentation: Insights Into Surrounding Parsing for Mobile Agents via Unsupervised Contrastive Learning [93.6645991946674]
  我々はパノラマパノラマパノプティクスのセグメンテーションを最も総合的なシーン理解として紹介する。 完全な周囲の理解は、移動エージェントに最大限の情報を提供する。 本稿では,標準的なピンホール画像のモデルトレーニングを可能にし,学習した特徴を別のドメインに転送するフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-21T20:07:15Z)
• Transfer beyond the Field of View: Dense Panoramic Semantic Segmentation via Unsupervised Domain Adaptation [30.104947024614127]
  パノラマ的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タスクを形式化する。 DensePASSはドメイン横断条件下でのパノラマセグメンテーションのための新しいデータセットである。 P2PDAはPinhole-to-Panoramicセマンティックセグメンテーションのための汎用フレームワークである。
  論文  参考訳（メタデータ） (2021-10-21T11:22:05Z)
• PIT: Position-Invariant Transform for Cross-FoV Domain Adaptation [53.428312630479816]
  フィールド・オブ・ビュー(FoV)ギャップは、ソースとターゲットドメイン間の顕著なインスタンスの出現差を誘導する。 本研究では,異なる領域における画像の整合性を改善するために,textbfPosition-Invariant Transform (PIT)を提案する。
  論文  参考訳（メタデータ） (2021-08-16T15:16:47Z)

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。