- …
- …
#891
summarized by : Naoya Chiba
どんな論文か？
DNNによるセマンティックセグメンテーションは大規模なラベル付データセットを必要としている．データセットを補うために合成データで学習し，目標とするドメインで用いることは未だ困難である．合成データをソース，実データをターゲットとしたセマンティックセグメンテーションの転移学習のための手法を提案する．
新規性
ソースの画素がターゲットにどれほど類似しているかを三段階の解像度（画素・領域・画像全体）で計算，統合して画素ごとにスコア付けする．これにより似ている部分を重点的に学習することができる．ソースとターゲットの両画像を共通のEncoderに入力し特徴量を抽出するが，Adversarial Adaptationの枠組みで再構成・ドメイン識別を行うことでよりよいEncoderを学習できる．
結果
合成データセットのGTAV，SYNTHIAと実シーンのデータセットCITYSCAPESによって検証．MIoUでSOTAを達成．スコア付けを可視化すると，意図したとおりの学習がなされていることが確認できる．Ablation Studiesについても記述．
その他（なぜ通ったか？等）
- …
- …