VALSE 论文速览 第117期：VBLC for Domain Adaptive Semantic Segmentation

论文题目：VBLC: Visibility Boosting and Logit-Constraint Learning for Domain Adaptive Semantic Segmentation under Adverse Conditions

作者列表：

李明嘉 (北京理工大学)、谢斌辉 (北京理工大学)、李爽 (北京理工大学)、刘驰 (北京理工大学)、程新景 (清华大学、嬴彻科技)

B站观看网址：

https://www.bilibili.com/video/BV1Mk4y157sj/

论文摘要：

在实际系统中，要求将在正常视觉条件下训练的模型推广到恶劣条件下的目标域。一种普遍的解决方案是弥补清晰和恶劣条件图像之间的域差距，以便在目标域做出令人满意的预测。然而，以前的方法通常依赖于正常条件下拍摄的相同场景的参考图像，这在现实中难于收集。此外，它们大多主要关注夜间或大雾等个别恶劣条件，削弱了模型在遇到其他恶劣天气时的通用性。为了克服上述限制，我们提出了一个为恶劣天气下的场景量身定制的新框架，即可见度增强和逻辑值约束学习 (VBLC)。VBLC探索了摆脱参考图像并同时解决多种恶劣条件的潜力。具体来说，我们首先提出了可见度增强模块，通过图像级别的先验来动态增强目标域图像。然后，我们发现了传统自训练方法中交叉熵损失过度自信的缺点，进而设计了逻辑值约束学习，它通过在训练期间对逻辑值施加约束来缓解这个问题。据我们所知，这是解决这一具有挑战性任务的新视角。通过在两个正常条件到恶劣条件域自适应基准任务上的广泛实验，即Cityscapes→ACDC和Cityscapes→FoggyCityscapes+RainCityscapes，我们验证了VBLC的有效性。

论文信息：

[1] Mingjia Li, Binhui Xie, Shuang Li, Chi Harold Liu, Xinjing Cheng. VBLC: Visibility Boosting and Logit-Constraint Learning for Domain Adaptive Semantic Segmentation under Adverse Conditions. AAAI 2023.

论文链接：

[https://arxiv.org/abs/2211.12256]

代码链接：

[https://github.com/BIT-DA/VBLC]

视频讲者简介：

李明嘉，北京理工大学计算机学院硕士生，导师李爽老师。研究兴趣集中在视觉任务中的领域自适应和自监督学习。在T-PAMI、AAAI等顶级期刊和会议发表多篇论文。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：刘宇 (大连理工大学)、汪婧雅 (上海科技大学)