利用无监督仿真到真实图像翻译弥合现实差距
机器学习
2021-06-16 v2 计算机视觉与模式识别
机器人学
摘要
深度学习方法已成为计算机视觉和机器人学中许多问题的标准解决方案，但获取足够高质量的训练数据具有挑战性，因为人力劳动易出错、耗时且昂贵。近年来基于仿真的解决方案变得更加流行，但仿真与现实之间的差距仍是一个主要问题。在本文中，我们引入一种新方法，通过无监督图像到图像翻译，利用开源框架将真实世界图像的风格应用于仿真图像，从而增强合成图像数据。生成的数据集与传统增强方法相结合，随后应用于在自主足球机器人上实时运行的神经网络模型。我们的评估显示，与完全在仿真中生成的图像训练的模型相比，有显著改进。
引用
@article{arxiv.1911.01529,
title = {Closing the Reality Gap with Unsupervised Sim-to-Real Image Translation},
author = {Jan Blumenkamp and Andreas Baude and Tim Laue},
journal= {arXiv preprint arXiv:1911.01529},
year = {2021}
}
备注
Accepted to RoboCup Symposium 2021