深度指导的无监督领域自适应语义分割

作     者：卢加文 史金龙 诸皓伟 孙蕴瀚 成志刚 Lu Jiawen;Shi Jinlong;Zhu Haowei;Sun Yunhan;Cheng Zhigang

作者机构：江苏科技大学计算机学院镇江2120002 南京大学计算机软件新技术国家重点实验室南京210046 浙江大学软件学院杭州310058 

基　　金：国家重点研发计划(2018YFC0309104) 中国民航大学民航智慧机场理论与系统重点实验室开放基金(SATS202207) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2024年第36卷第1期

页      码：133-141页

摘      要：为了提高语义分割精度,解决模型在不同数据域上泛化性差的问题,提出基于深度信息的无监督领域自适应语义分割方法.首先,深度感知自适应框架通过捕捉深度信息和语义信息的内在联系,减小不同域之间的差异;然后,设计了一个轻量级深度估计网络来提供深度信息,通过跨任务交互策略融合深度和语义信息,并在深度感知空间对齐源域和目标域的分布差距;最后,提出基于深度信息的域内自适应策略弥合目标域内部的分布差异,将目标域分为子源域和子目标域,并缩小子源域和子目标域分布差距.实验结果表明,所提方法在SYNTHIA-2-Cityscapes和SYNTHIA-2-Mapillary跨域任务上的平均交并比分别为46.7%和73.3%,与同类方法相比,该方法在语义分割和深度估计精度上均有显著提升.

主 题 词：无监督领域自适应 语义分割 多任务学习 深度估计 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3724/SP.J.1089.2024.19824

馆 藏 号：203127102...