基于视角一致性的无监督域自适应三维关键点估计
计算机视觉与模式识别
2018-07-27 v2
摘要
本文针对从单张深度扫描或图像预测三维关键点的任务，提出一种新颖的无监督域自适应技术。我们的核心思想是利用以下事实：同一或相似物体不同视角的预测应彼此一致。这种视角一致性可为无标签样本上的关键点预测提供有效正则化。此外，我们引入几何对齐项以正则化目标域中的预测。所得到的损失函数可通过交替最小化被有效优化。我们在真实数据集上证明了方法的有效性，并给出实验结果表明我们的方法优于最先进的通用域自适应技术。
引用
@article{arxiv.1712.05765,
title = {Unsupervised Domain Adaptation for 3D Keypoint Estimation via View Consistency},
author = {Xingyi Zhou and Arjun Karpur and Chuang Gan and Linjie Luo and Qixing Huang},
journal= {arXiv preprint arXiv:1712.05765},
year = {2018}
}
备注
ECCV 2018