- …
- …
#772
summarized by : Anonymous
どんな論文か？
multi-domain semantic segmentationのためのデータセット"MSeg"を提案。7つのデータセット(COCO, ADE20K, Mapillary , IDD, BDD, Cityscapes, SUN RGB-D)を組み合わせる。合計で300クラス以上になるが、そこから194カテゴリにマージと分割を行いtaxonomyを調整。各カテゴリの処理の詳細は図を参照。
新規性
マルチドメインsemsegの既存研究で精度があまりよくない原因は異なるデータセットが異なるTaxonomyを持っているところにある。つまりTaxonomic clashesと一貫性のないアノテーションが複数データセットのモデル学習の精度に悪影響を与えている。そこで7つのデータセットに対してTaxonomyの調整を行うことで、学習により汎化性能の高いモデルを得られることを可能にした。
結果
リアルシーン上でモデル性能の調べる代わりにzero-shot cross-dataset transfer(WildDash benchmark)に適用。Msegだけで学習したモデルがWildDashでランク1位をとったことでMsegで学習したモデルは学習していないデータセットでも汎化性能を持つことを示した。
その他（なぜ通ったか？等）
- …
- …