通过对齐局部预测分布实现六维位姿估计的知识蒸馏
计算机视觉与模式识别
2022-11-29 v2 机器学习
摘要
知识蒸馏利用深层的教师网络来促进紧凑学生网络的训练。尽管这在许多任务中取得了巨大成功，但在基于图像的 6D 物体位姿估计中仍完全未被研究。本工作中，我们引入了首个由 6D 位姿估计任务驱动的知识蒸馏方法。为此，我们观察到大多数现代 6D 位姿估计框架输出局部预测，例如稀疏的 2D 关键点或稠密表示，并且紧凑的学生网络通常难以精确预测此类局部量。因此，我们不是施加从教师到学生的预测对预测监督，而是提出将教师的局部预测分布蒸馏到学生网络中，以促进其训练。我们在多个基准上的实验表明，我们的蒸馏方法在不同紧凑学生模型下以及对于基于关键点和基于稠密预测的网络架构均取得了最先进的结果。
引用
@article{arxiv.2205.14971,
title = {Knowledge Distillation for 6D Pose Estimation by Aligning Distributions of Local Predictions},
author = {Shuxuan Guo and Yinlin Hu and Jose M. Alvarez and Mathieu Salzmann},
journal= {arXiv preprint arXiv:2205.14971},
year = {2022}
}