粗到细在线匹配网络

单步自训练达到领域自适应

通过从粗到细的潜在特征匹配，在单步训练中实现无监督领域自适应语义分割，避免多阶段训练复杂性。

董子昊 · Sijie, Niu · 高希占 · 邵秀丽

Pattern Recognition 2024

参数信息

平均交并比 (mIoU)

76.4 %

平均交并比 (mIoU)

67.8 %

技术优势

单步训练即可

在单一训练步骤中生成区域级伪标签，无需多阶段自训练迭代。

粗到细特征匹配

从全局原型到类别、实例及锚点对比学习，层次化细化特征对齐。

不确定性可控

通过最大化分类结果并最小化两个分类器差异，控制生成器预测的不确定性。

应用场景

• 自动驾驶视觉感知：直接从仿真数据迁移到真实道路场景，减少标注成本。
• 具身智能视觉感知：在目标域无需标签即可适应视觉感知模型，便于机器人部署。