论文题目：Semantic-Aware Domain Generalized Segmentation

作者列表：彭铎 (四川大学)，雷印杰 (四川大学，通讯作者)，Munawar Hayat (莫纳什大学)，郭裕兰 (中山大学)，李文 (电子科技大学)

B站观看网址：

https://www.bilibili.com/video/BV12A4y1R7jV/

复制链接到浏览器打开或点击阅读原文即可跳转至观看页面。

 

论文摘要：

在语义分割领域，源域训练的深度模型在不同数据分布的不可见目标域上评估时泛化性明显不足，尤其当我们无法获取目标域样本进行域适应时，这个问题将变得更加严峻。在本文中，我们提出了领域泛化性语义分割方法，其中分割模型在训练时充分考虑了领域不变性，同时训练过程不使用任何目标域数据。现有的解决此问题的方法将数据标准化为统一的分布。我们认为，这种标准化虽然促进了全局归一化，但产生的特征的鉴别力不够，无法得到清晰的分割边界。为了增强类别间的分离，同时提高特征的域不变特性，我们提出了一个包含两个新模块的框架:语义感知规范化 (SAN)和语义感知白化 (SAW)。具体来说，SAN侧重于不同图像样式的特征之间的类别级中心对齐，而SAW则对已经中心对齐的特征实施分布式对齐。在SAN和SAW的帮助下，我们增强了模型的类内紧凑性和类间分离性。我们通过在公开数据集 (如GTAV、SYNTHIA、Cityscapes、Mapillary和BDDS)上进行大量实验，以此来验证我们的方法。实验结果证明所提出的方法比现有技术有了显著的改进。

 

论文信息：

[1] Duo Peng, Yinjie Lei*, Munawar Hayat, Yulan Guo, and Wen Li. Semantic-Aware Domain Generalized Segmentation. CVPR 2022 (Oral).

论文链接：

[https://arxiv.org/pdf/2204.00822.pdf]

代码链接：

[https://github.com/leolyj/SAN-SAW]

内容中包含的图片若涉及版权问题，请及时与我们联系删除