基于对比损失学习自动驾驶领域无关视觉表示
计算机视觉与模式识别
2021-03-11 v1 机器学习
机器人学
摘要
深度神经网络已广泛应用于语义分割或深度估计等自动驾驶任务中。然而，以监督方式训练神经网络需要大量标注标签，其采集昂贵且耗时。近期研究利用从虚拟环境收集的合成数据，相比真实世界数据更易获取且更精确，但由于固有的域偏移问题通常泛化性差。本文提出领域无关对比学习（DACL），一种具有循环对抗训练与对比损失的双阶段无监督域适应框架。DACL引导神经网络学习领域无关表示，以克服训练与测试数据分布存在差异时的性能退化。所提方法在单目深度估计任务上优于先前最优方法，并在语义分割任务中亦展现有效性。
引用
@article{arxiv.2103.05902,
title = {Learning a Domain-Agnostic Visual Representation for Autonomous Driving via Contrastive Loss},
author = {Dongseok Shim and H. Jin Kim},
journal= {arXiv preprint arXiv:2103.05902},
year = {2021}
}
备注
IEEE IROS 2021 Submission