LASA：用于域泛化语义分割的语言与源域锚定对齐

领域泛化语义分割 (DGSS) 专注于将知识从标记的源域泛化到在训练阶段无法获得数据的看不见的目标域。虽然传统方法利用样式随机化或特征标准化来减轻域变化，但它们通常会损害特征完整性。具体来说，风格随机化由于其粗粒度性质而扭曲了底层特征流形，而特征归一化由于其严格的设计而抑制了有区别的、领域敏感的语义细节。为了解决这些限制，我们提出了语言和源锚定对齐（LASA）框架，该框架由三个协同组件组成：文本和源引导样式传输（TSGST）、域感知查询适配器（DAQA）和域感知解码器优化器（DADO）。具体来说，TSGST 模块通过利用源特征作为结构锚点和视觉语言模型（VLM）先验作为细粒度指导来解决多种失真问题。为了恢复被抑制的区分性和域敏感细节，DAQA 模块通过分类指导和域感知签名重新校准对象查询，而 DADO 模块则将生成的查询分布与共享分类器对齐，以确保跨域的一致分类响应。对具有挑战性的基准进行的大量实验表明，我们的方法明显优于最先进的方法。