基于注意力的增强行人对抗表观学习
计算机视觉与模式识别
2023-11-23 v2
摘要
合成数据已成为自动驾驶领域基于机器学习的感知中不可或缺的组成部分。然而由于sim2real域偏移，它仍无法完全替代真实数据。本工作中，我们提出一种方法，利用增强过程与对抗训练的优势来合成用于行人识别任务的真实数据。我们的方法利用由对抗损失驱动的注意力机制来学习域差异并改进sim2real自适应。我们的实验证实所提出的自适应方法对此类差异具有鲁棒性，并展现出视觉真实性与语义一致性。此外，我们在行人识别任务上评估了我们的数据生成流程，并证明生成数据具备真实域的特性。
引用
@article{arxiv.2107.02673,
title = {Attention-based Adversarial Appearance Learning of Augmented Pedestrians},
author = {Kevin Strauss and Artem Savkin and Federico Tombari},
journal= {arXiv preprint arXiv:2107.02673},
year = {2023}
}