计算机辅助设计与图形学学报

作者：江泽涛, 廖培期, 黄钦阳, 黄景帆

关键词：低照度图像语义分割, 域适应, 跨域稀有类混合, 分层特征映射, 向量符号架构

针对语义分割中由于低照度图像光照不足, 存在图像亮度、对比度、信噪比低等现象, 导致低照度图像语义分割难度增大, 提出一种基于向量符号架构(vector symbolic architectures, VSA)-域适应网络的低照度图像语义分割方法. 该方法首先将基于向量符号架构的图像翻译网络和域适应语义分割网络融合在一起, 将正常照度图像翻译为低照度图像, 减少域之间的风格差异, 从而提高低照度图像的分割精度; 然后在图像翻译网络中提出分层特征映射(layeredfeature mapping, LFM)模块, 它能更好地将语义分割网络编码器的多层特征向量映射到 VSA 空间, 使翻译图像与低照度图像更相似, 进而提高分割网络的分割精度; 最后在域适应语义分割网络中提出跨域稀有类混合(cross domain rare classmixing, CDRCM)方法, CDRCM 在域适应的过程中根据低照度图像的伪标签分布情况得到低照度域的稀有类, 再在跨域混合时偏向这些稀有类, 从而提高低照度域中稀有类的分割精度. 在 Cityscapes→Dark Zurich 和 Cityscapes→ACDC-night上的实验结果表明, 文中方法比基线 DAFormer 在平均交并比上分别提高了 8.2 个百分点和 7.2 个百分点, 实验结果表明了其有效性.

来源：2025年第8期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第8期