无源域适应新SOTA
一种无源语义分割的课程式自我训练方法，同时利用正负伪标签，并以信息传播减少目标域内差异，性能优于现有方法。
Wang, Yuxi · 梁坚 · 张兆翔
IEEE Transactions on Pattern Analysis and Machine Intelligence 2024
模型直接适应目标域，无需访问源数据，有利于隐私保护和知识产权保护。
高不确定性的伪标签虽然不能确定类别，但可以指示哪些类别不存在，从而提升分割精度。
采用信息传播方案进一步减小目标域内差异，可作为域适应领域的标准后处理方法。
方法可扩展到仅能获得源模型预测结果的黑盒场景，应用范围更广。