复旦大学计算机科学技术学院张文强研究员领导的机器人智能实验室（ROILab）研究论文《ADPL: Adaptive Dual Path Learning for Domain Adaptation of Semantic Segmentation》被IEEE TPAMI接收（regular paper），《IEEE Transactions on Pattern Analysis and Machine Intelligence》(TPAMI)，是中国计算机学会（CCF）和中国自动化学会（CAA）等多个学会共同推荐的人工智能领域A类国际顶尖期刊（影响因子24.314）。
论文主要关注面向语义分割的域自适应任务，该任务旨在减轻语义分割训练对大规模像素级标注的需求。最近，结合图像风格迁移和自监督学习的方法在自适应分割中显示出极强的优越性。最常见的做法是在单个域中同时施加图像风格迁移和自监督学习，然而，在这种基于单一域的范式中，图像风格迁移引起的视觉不一致性问题可能会影响后续的学习。此外，在单一域中对齐的单个分割模型生成的伪标签会向自监督学习引入训练噪声。基于源域和目标域中的单域自适应互补这一发现，论文提出了一种新的自适应双路学习框架，通过交互式地融合两个单域自适应路径来缓解视觉不一致性问题，同时促进伪标签生成。为了充分挖掘这种双路设计的潜力，论文提出了双路图像风格迁移、双路自适应分割、双路伪标签生成和自适应图片混合等新技术。论文提出的自适应双路学习方法在三个标准设定上取得了当前最优的结果。
图1：自适应双路学习框架
机器人智能实验室在计算机视觉、知识图谱、机器人学等领域开展了卓有成效的研究工作，近2年在CVPR、AAAI、ICCV、TIP等CCF A类会议和期刊发表论文20余篇。课题组近年来获得了数千万元的科研资源投入，包括科技创新2030“新一代人工智能“重大项目、国家自然科学基金、上海市科委重大项目以及校企合作项目等，产出了大量原创自主知识产权研究成果，研发了“复旦一号”、“复娃”、“爱家一号”、“海宝机器人”、“中西医健康管理机器人”等7代智能服务机器人。
