[CVPR2022] ADeLA: Automatic Dense Labeling With Attention for Viewpoint Shift in Semantic Segmentati

ADeLA: Automatic Dense Labeling With Attention for Viewpoint Shift in Semantic Segmentation

要点：

1、处理多摄像机系统中视点变化引起的语义分割性能下降方法
2、现有方法：通过共享空间的域对齐缓解性能下降，并假设从对齐空间到输出的映射是可转移的，但是，视点变化所引发的新内容可能会使有效对齐的空间化为乌有，从而导致消极适应
3、本文方法：
（a）不需要在两个域之间对齐图像的任何统计信息
（b）利用一种新的基于注意力的视图转换网络 view transformation network，只训练彩色图像，为目标产生幻觉语义图像 to hallucinate the semantic images for the
target
（c）在缺乏监督的情况下，由于诱导的信息传输偏差（the induced information transport），视图转换网络依然可以推广到语义图像
（d）为了解决语义图像向语义标签转换过程中的歧义问题，本文将视图转换网络视为（彩色图像隐含的未知映射的）函数表示（* a functional representation of an unknown mapping implied by the color images*），并提出函数标签幻觉法（* functional label hallucination *）（在目标域中生成具有不确定性的伪标签）

图表：

架构：

代码：