SharinGAN：结合合成与真实数据用于无监督几何估计
计算机视觉与模式识别
2020-06-09 v1
摘要
我们提出一种在训练网络从单幅图像确定几何信息时，结合合成图像与真实图像的新方法。我们提出一种将两类图像映射至单一共享域的方法。该方法与主干网络相连以进行端到端训练。理想情况下，这会使来自两个域的图像向主干网络呈现共享信息。我们的实验表明，在无监督设定下，在人脸表面法线估计与室外场景单目深度估计这两个重要领域均显著优于当前最优方法。
引用
@article{arxiv.2006.04026,
title = {SharinGAN: Combining Synthetic and Real Data for Unsupervised Geometry Estimation},
author = {Koutilya PNVR and Hao Zhou and David Jacobs},
journal= {arXiv preprint arXiv:2006.04026},
year = {2020}
}
备注
Accepted to CVPR 2020. Supplementary material added towards the end instead of a separate file. A Github link to the code is also provided in this submission