基于平衡对抗自适应在复杂场景中进行定位
计算机视觉与模式识别
2020-11-10 v1 机器学习
摘要
领域自适应与生成建模通过利用仿真环境中丰富且准确的标注数据，共同缓解了数据收集与标注成本高昂的问题。在这项工作中，我们研究了针对仿真环境定位优化的表示与此类表示在真实世界场景中应用之间存在的性能差距。我们的方法利用了仿真与真实世界环境之间共享的几何相似性，同时保持对视觉差异的不变性。这是通过优化一个表示提取器将仿真与真实表示投影到共享表示空间来实现的。我们的方法采用对称对抗方式，鼓励表示提取器隐藏特征所提取自的领域，同时保留源域与目标域之间有益于定位的鲁棒属性。我们通过将针对室内 Habitat 仿真环境（Matterport3D 与 Replica）优化的表示自适应到真实世界室内环境（Active Vision Dataset）来评估我们的方法，结果表明其优于全监督方法。
引用
@article{arxiv.2011.04122,
title = {Localising In Complex Scenes Using Balanced Adversarial Adaptation},
author = {Gil Avraham and Yan Zuo and Tom Drummond},
journal= {arXiv preprint arXiv:2011.04122},
year = {2020}
}
备注
Accepted at 3DV 2020