学习映射几乎任意事物
计算机视觉与模式识别
2019-09-17 v1
摘要
从上方俯瞰世界，可以估计给定位置的许多属性，包括土地覆盖类型和预期土地利用。历史上，由于难以获取细粒度标注，此类任务依赖于相对粗粒度的类别。在本工作中，我们提出一种易于扩展的方法，使得从俯视影像估计细粒度属性成为可能。具体而言，我们提出一种跨模态蒸馏策略，以学习从俯视影像预测细粒度属性的分布，而无需对俯视影像进行任何人工标注。我们展示了我们学习的模型可直接用于制图与图像定位应用。
引用
@article{arxiv.1909.06928,
title = {Learning to Map Nearly Anything},
author = {Tawfiq Salem and Connor Greenwell and Hunter Blanton and Nathan Jacobs},
journal= {arXiv preprint arXiv:1909.06928},
year = {2019}
}