基于一致训练的纵深半监督 3D 手部姿态估计的性能突破
计算机视觉与模式识别
2023-03-28 v1 人工智能
摘要
尽管基于深度的 3D 手部姿态估计方法近年来取得了显著进展，它们仍需要大量标注训练数据以实现高精度。然而，收集此类数据成本高且耗时。为解决该问题，我们提出一种半监督方法以显著减少对标注训练数据的依赖。所提方法由两个联合训练的相同网络组成：教师网络与学生网络。教师网络使用可用的标注与未标注样本进行训练，其借助一种损失形式利用未标注样本，该损失鼓励在一组仿射变换下的估计等变性。学生网络使用由教师网络提供伪标签的未标注样本进行训练。测试推理时仅使用学生网络。大量实验表明，所提方法以较大优势优于最先进的半监督方法。
引用
@article{arxiv.2303.15147,
title = {Pushing the Envelope for Depth-Based Semi-Supervised 3D Hand Pose Estimation with Consistency Training},
author = {Mohammad Rezaei and Farnaz Farahanipad and Alex Dillhoff and Vassilis Athitsos},
journal= {arXiv preprint arXiv:2303.15147},
year = {2023}
}