在语义分割中,输出空间在空间和局部上,包含丰富信息,比如源域和目标域在外观上可能非常不同,可是在分割结果上会具有很多相似性,如空间布局和局部上下文。如果在源域上训练得到的语义分割模型直接用在目标域上面,可以得到语义分割图,但是效果很差,发生域偏移,有很多噪点。那么为了消除噪点,解决域偏移问题,可以在输出空间做平滑,也就是让目标域的分割图趋向于源域的分割图,这样空间布局就能得到完善。
Learning to Adapt Structured Output Space for Semantic Segmentation