StereoFlowGAN：基于无监督域适应的立体匹配与光流协同训练
计算机视觉与模式识别
2023-09-06 v1
摘要
我们引入了一种用于立体匹配和光流估计的全新训练策略，该策略利用合成图像域与真实图像域之间的图像到图像转换。我们的方法使得模型能够在仅依赖合成图像真实标注信息的情况下，在真实图像场景中表现出色。为了促进任务无关的域适应以及任务特定组件的训练，我们引入了一个双向特征变形模块，该模块同时处理左右和前后方向。实验结果表明，与以往基于域转换的方法相比具有竞争力的性能，这证实了我们提出的框架的有效性，有效地利用了无监督域适应、立体匹配和光流估计的优势。
引用
@article{arxiv.2309.01842,
title = {StereoFlowGAN: Co-training for Stereo and Flow with Unsupervised Domain Adaptation},
author = {Zhexiao Xiong and Feng Qiao and Yu Zhang and Nathan Jacobs},
journal= {arXiv preprint arXiv:2309.01842},
year = {2023}
}
备注
Accepted by BMVC 2023