面向立体匹配的几何感知无监督域适应
计算机视觉与模式识别
2021-03-29 v1 机器学习
摘要
近期提出的基于DNN的立体匹配方法直接从数据学习先验，已知在新环境中准确率会急剧下降。尽管带有真实视差图的监督方法通常表现良好，但在每个部署环境中收集它们繁琐且昂贵。为此，许多基于图像到图像翻译的无监督域适应方法被提出，但这些方法分别对各视角应用图像到图像翻译，因而未保留立体图像对的几何结构。为解决该问题，本文提出一种聚合左右视角特征的注意力机制，称为立体交叉注意力(SCA)。将SCA整合进图像到图像翻译网络，可在图像到图像翻译过程中保留立体图像对的几何结构。我们经实验证明了所提基于带SCA的图像到图像翻译的无监督域适应的有效性。
引用
@article{arxiv.2103.14333,
title = {Geometry-Aware Unsupervised Domain Adaptation for Stereo Matching},
author = {Hiroki Sakuma and Yoshinori Konishi},
journal= {arXiv preprint arXiv:2103.14333},
year = {2021}
}
备注
Accepted to ICRA 2021