利用显著性作为伪像素监督的弱监督和半监督语义分割#

在语义分割任务中，域泛化的目标是在没有目标域数据的情况下，使模型能够在未见过的域（数据分布）上表现良好。然后，通过插值这些基础风格，生成新的风格。：在模型中，编码器（通常是CNN或Transformer的某一部分）提取输入图像的特征表示，这些特征的“风格”可以影响模型的泛化能力。模型通过联合训练源域的有标签数据和目标域的无标签数据，来缩小源域和目标域之间的差距，从而在目标域上实现更好的性能。：另一