利用双孪生网络学习LiDAR与相机数据的深度无监督公共表示
计算机视觉与模式识别
2020-01-06 v1 机器人学
摘要
传感器模态间的域差距给自主机器人的设计带来了挑战。为朝缩小该差距迈出一步，我们提出两种无监督训练框架以寻找LiDAR与相机数据的公共表示。第一种方法利用双孪生(Siamese)训练结构以确保结果的一致性。第二种方法使用Canny边缘图像引导网络朝向期望的表示。所有网络均以无监督方式训练，为可扩展性留有空间。我们使用常见计算机视觉应用评估结果，并概述了所提方法的局限性。
引用
@article{arxiv.2001.00762,
title = {Deep Unsupervised Common Representation Learning for LiDAR and Camera Data using Double Siamese Networks},
author = {Andreas Bühler and Niclas Vödisch and Mathias Bürki and Lukas Schaupp},
journal= {arXiv preprint arXiv:2001.00762},
year = {2020}
}
备注
8 pages, CoRL 2019 template used