#84
summarized by : Haruhi Shida
Master of All: Simultaneous Generalization of Urban-Scene Segmentation to All Adverse Weather Conditions

どんな論文か?

未知の悪天候条件に対するセグメンテーション性能を向上させる手法Maste of ALLを提案.本手法は,エッジ一貫性事前処理を行い,事前学習済みモデルの悪天候条件に対する頑健性を向上させる.本手法を用いることで,SoTA手法の性能改善だけにとどまらず,すでに特定の領域に特化した学習済みモデルの性能を上げることができる.
placeholder

新規性

既存の手法は,特定の悪天候条件に特化したものがほとんどだった.またドメイン適応技術のほとんどはターゲットデータやソースデータ,補助情報(GPSとか)に依存していた.提案手法は,エッジ一貫性事前処理を行うことで,依存がなく複数のドメインに同時に汎化することに成功した.

結果

昼間の画像で事前に学習したシンプルなモデルを用いて,MALLは領域汎化およびテスト時間適応設定の両方において,各ドメイン特化の手法を凌駕した.エッジ一貫性事前処理がターゲットドメインにとらわれない有効性があることを示した.モデルが特定の条件に対してすでに訓練されている場合においても,悪天候に対するモデルの性能を向上させることができることを示した

その他(なぜ通ったか?等)

【添付した画像】 日中データで学習したモデル + MALL(提案手法),その他アーキテクチャの夜間データでの検証結果と可視化結果.