基于自监督学习的多视角人群计数
计算机视觉与模式识别
2025-09-29 v1
摘要
多视角计数（MVC）方法引起了广泛的研究关注，并在近年来取得了显著进展。尽管取得了成功，但大多数 MVC 方法侧重于遵循全监督学习（FSL）范式来提高性能，这通常需要大量标注数据。在本工作中，我们提出了 SSLCounter，一种用于 MVC 的新型自监督学习（SSL）框架，该框架利用神经体渲染来减轻对大规模标注数据集的依赖。SSLCounter 学习关于场景的隐式表示，通过可微神经渲染实现对连续几何形状及其 2D 投影的复杂、视角相关外观的重建。由于其固有的灵活性，我们方法的核心思想可以无缝集成到现有框架中。值得注意的是，大量实验表明，SSLCounter 不仅展示了最先进的性能，而且仅使用 70% 的训练数据比例就提供了有竞争力的性能，展示了其在多个 MVC 基准测试中卓越的数据效率。
引用
@article{arxiv.2509.21918,
title = {Multi-View Crowd Counting With Self-Supervised Learning},
author = {Hong Mo and Xiong Zhang and Tengfei Shi and Zhongbo Wu},
journal= {arXiv preprint arXiv:2509.21918},
year = {2025}
}