通过自监督学习自适应多视图立体
计算机视觉与模式识别
2020-09-29 v1
摘要
从多视图进行三维场景重建是计算机视觉中一个重要的经典问题。基于深度学习的方法最近展示了令人印象深刻的重建结果。在训练此类模型时，自监督方法是可取的，因为它们不依赖于监督训练所需的、且通常难以获取的ground truth数据。此外，学习的多视图立体重建易受环境变化影响，应鲁棒地泛化到不同领域。我们提出了一种用于多视图立体的自适应学习方法，训练深度神经网络以改进对新目标领域的适应性。我们使用模型无关元学习（MAML）来训练基础参数，这些参数进而通过自监督训练在新领域上适配于多视图立体。我们的评估表明，所提出的适配方法在为新领域学习自监督多视图立体重建方面是有效的。
引用
@article{arxiv.2009.13278,
title = {Learning to Adapt Multi-View Stereo by Self-Supervision},
author = {Arijit Mallick and Jörg Stückler and Hendrik Lensch},
journal= {arXiv preprint arXiv:2009.13278},
year = {2020}
}
备注
19 pages, including supplementary, accepted and presented in BMVC 2020