摘要

我们提出了一种简单的无监督域适应方法，通过交换源域与目标域的低频谱成分，有效减小两者之间的分布差异。该方法在语义分割任务中得到了验证：在一个域（如合成数据）中存在大量密集标注图像，而在另一个域（如真实图像）中获取此类标注则极为困难。当前最先进的方法通常结构复杂，部分方法甚至需要借助对抗性优化，以使神经网络主干对离散的域选择变量保持不变。相比之下，我们的方法无需任何训练即可完成域对齐，仅需进行一次傅里叶变换及其逆变换即可实现。尽管方法极为简洁，但将其集成到相对标准的语义分割模型中后，仍能在当前主流基准测试中达到最先进的性能。实验结果表明，即使是最简单的预处理手段，也能有效抑制数据中冗余的变异因素，而这些因素往往使更为复杂的模型难以有效消除。