通过排序多视角融合模型实现半监督多视角人群计数

多视角人群计数被提出用于应对大型宽场景人群计数中的严重遮挡问题。然而，由于收集和标注多视角图像的困难，多视角计数数据集中的多视角帧和场景数量有限。为解决数据有限的问题，一种方法是收集合成数据以绕过标注步骤，另一种方法是提出半监督、弱监督或无监督方法以减少对多视角数据的需求。在本文中，我们提出了两种半监督多视角人群计数框架，通过排序不同输入视角数量的多视角融合模型，依据模型预测结果或模型不确定性。具体而言，对于第一种方法（朴素模型），我们对不同相机视角输入数量的多视角融合模型预测结果进行排序，即较少相机视角的模型预测不应大于较多相机视角的预测。对于第二种方法，我们依据多视角融合模型的预测误差，对具有可变视角输入数量的多视角融合模型的估计模型不确定性进行排序，即较多相机视角的模型不确定性不应大于较少相机视角的模型不确定性。这些约束以半监督方式引入模型训练中，以在标注数据有限的条件下进行多视角计数。实验表明，所提出的多视角模型排序方法相比其他半监督计数方法具有优势。