KD-MVS：基于知识蒸馏的多视立体自监督学习
计算机视觉与模式识别
2023-08-22 v2
摘要
有监督的多视立体（MVS）方法在重建质量方面取得了显著进展，但面临大规模真实深度采集困难的挑战。本文提出一种基于知识蒸馏的 MVS 自监督训练流程，称为 KD-MVS，主要由自监督教师训练和基于蒸馏的学生训练组成。具体而言，教师模型利用光度一致性和特征度量一致性以自监督方式进行训练。随后我们通过概率知识迁移将教师模型的知识蒸馏给学生模型。在经验证知识的监督下，学生模型能够以较大幅度超越其教师模型。在多个数据集上进行的广泛实验表明，我们的方法甚至能超越有监督方法。
引用
@article{arxiv.2207.10425,
title = {KD-MVS: Knowledge Distillation Based Self-supervised Learning for Multi-view Stereo},
author = {Yikang Ding and Qingtian Zhu and Xiangyue Liu and Wentao Yuan and Haotian Zhang and Chi Zhang},
journal= {arXiv preprint arXiv:2207.10425},
year = {2023}
}