用于视频自监督学习的像素级对应
计算机视觉与模式识别
2022-07-11 v1
摘要
尽管自监督学习已能够在无标签情况下实现有效的表征学习，但在视觉领域，视频仍是一个相对未被充分挖掘的监督来源。为此，我们提出像素级对应（PiCo），一种从视频中进行稠密对比学习的方法。通过光流跟踪点，我们获得对应图，可用于匹配不同时间点的局部特征。我们在标准基准上验证 PiCo，在多个稠密预测任务上优于自监督基线，且不影响图像分类性能。
引用
@article{arxiv.2207.03866,
title = {Pixel-level Correspondence for Self-Supervised Learning from Video},
author = {Yash Sharma and Yi Zhu and Chris Russell and Thomas Brox},
journal= {arXiv preprint arXiv:2207.03866},
year = {2022}
}