3D-PL：基于三维感知伪标注的域自适应深度估计
计算机视觉与模式识别
2022-09-20 v1
摘要
对于单目深度估计，获取真实数据的真值并非易事，因此通常采用基于有监督合成数据的域自适应方法。然而，由于缺乏来自真实数据的监督，这仍可能导致较大的域差距。本文通过从真实数据生成可靠的深度伪真值以提供直接监督，构建了一个域自适应框架。具体而言，我们提出了两种伪标注机制：1）基于二维的伪标签，通过度量内容相同但风格不同的图像在深度预测上的一致性得到；2）三维感知伪标签，通过一个点云补全网络在三维空间中学习补全深度值，从而提供场景中更多的结构信息以细化并生成更可靠的伪标签。在实验中，我们表明所提伪标注方法在多种设置下（包括训练时使用立体图像对）均提升了深度估计性能。此外，该方法在真实世界数据集上优于多种最先进的无监督域自适应方法。
引用
@article{arxiv.2209.09231,
title = {3D-PL: Domain Adaptive Depth Estimation with 3D-aware Pseudo-Labeling},
author = {Yu-Ting Yen and Chia-Ni Lu and Wei-Chen Chiu and Yi-Hsuan Tsai},
journal= {arXiv preprint arXiv:2209.09231},
year = {2022}
}
备注
Accepted in ECCV 2022. Project page: https://ccc870206.github.io/3D-PL/