地面平坦：利用语义信息实现实时表面法线预测
计算机视觉与模式识别
2019-06-18 v1 机器学习
摘要
我们提出 4 条见解，可显著改进从单张 RGB 图像预测表面法线和语义标签的深度学习模型性能。这些见解是：（1）对训练集中的“地面真值”表面法线去噪，以确保与语义标签一致；（2）在真实与合成数据的混合上并发训练，而非先在合成数据上预训练再在真实数据上微调；（3）使用共享模型联合预测法线和语义，但仅对具有有效训练标签的像素反向传播误差；（4）精简模型并使用灰度而非彩色输入。尽管这些步骤简单，我们证明了在多个数据集上结果的一致提升，且所用模型在标准手机上以 12 fps 运行。
引用
@article{arxiv.1906.06792,
title = {Floors are Flat: Leveraging Semantics for Real-Time Surface Normal Prediction},
author = {Steven Hickson and Karthik Raveendran and Alireza Fathi and Kevin Murphy and Irfan Essa},
journal= {arXiv preprint arXiv:1906.06792},
year = {2019}
}