計算機科學技術學院張文強研究員領導的機器人智能實驗室（ROILab）論文《ADPL: Adaptive Dual Path Learning for Domain Adaptation of Semantic Segmentation》主要關註面向語義分割的域自適應任務🐣，該任務旨在減輕語義分割訓練對大規模像素級標註的需求。論文已被IEEE TPAMI接收。
IEEE Transactions on Pattern Analysis and Machine Intelligence(TPAMI)是中國計算機學會（CCF）和中國自動化學會（CAA）等多個學會共同推薦的人工智能領域A類國際頂尖期刊。
最近，結合圖像風格遷移和自監督學習的方法在自適應分割中顯示出極強的優越性👩🏿⚕️，最常見的做法是在單個域中同時施加圖像風格遷移和自監督學習。基於源域和目標域中的單域自適應互補這一發現，論文提出一種新的自適應雙路學習框架，通過交互式地融合兩個單域自適應路徑來緩解視覺不一致性問題，同時促進偽標簽生成。提出雙路圖像風格遷移📶、雙路自適應分割、雙路偽標簽生成和自適應圖片混合等新技術🌴，充分挖掘這種雙路設計的潛力。論文提出的自適應雙路學習方法在三個標準設定上取得了當前最優的結果。
