用于监督迁移的跨模态蒸馏
计算机视觉与模式识别
2015-11-26 v2
摘要
在这项工作中，我们提出了一种在不同模态图像之间迁移监督信息的技术。我们利用来自大规模有标签模态的学习表征作为监督信号，来训练新的无标签配对模态的表征。我们的方法能够为无标签模态学习丰富的表征，并可作为标签数据有限的新模态的预训练过程。我们展示了将监督从有标签的 RGB 图像迁移到无标签的深度和光流图像的实验结果，并证明了这两种跨模态监督迁移均带来了显著提升。代码、数据和预训练模型可在 https://github.com/s-gupta/fast-rcnn/tree/distillation 获取。
引用
@article{arxiv.1507.00448,
title = {Cross Modal Distillation for Supervision Transfer},
author = {Saurabh Gupta and Judy Hoffman and Jitendra Malik},
journal= {arXiv preprint arXiv:1507.00448},
year = {2015}
}
备注
Updated version (v2) contains additional experiments and results