室内移动场景：挑战性环境下的无监督视频深度学习
计算机视觉与模式识别
2019-10-22 v1
摘要
近来，从无监督视频学习深度已取得显著进展，在 KITTI 等室外场景中结果可与全监督方法相媲美。然而，当直接将该技术应用于室内环境时仍存在巨大挑战，例如白墙等大范围无纹理区域、手持相机更复杂的自运动、透明玻璃与反光物体。为克服这些问题，我们提出一种基于光训练范式的新训练范式，其通过提供更清晰的训练目标来降低无监督学习难度并处理无纹理区域。我们的实验评估表明，在 NYU Depth V2 基准上，我们的方法结果与全监督方法相当。据我们所知，这是首个在室内数据集上报道的纯无监督学习方法的定量结果。
引用
@article{arxiv.1910.08898,
title = {Moving Indoor: Unsupervised Video Depth Learning in Challenging Environments},
author = {Junsheng Zhou and Yuwang Wang and Kaihuai Qin and Wenjun Zeng},
journal= {arXiv preprint arXiv:1910.08898},
year = {2019}
}
备注
Accepted by ICCV2019