基于一致性引导瓶颈的无监督地标发现
计算机视觉与模式识别
2023-09-20 v1
摘要
我们研究一个具有挑战性的无监督物体地标发现问题。许多近期方法依赖瓶颈来生成 2D 高斯热图，然而这些在训练时生成有信息量的热图方面存在局限，推测是由于缺乏有效的结构线索。此外，尽管没有真值监督，仍假定所有预测地标在语义上相关。在当前工作中，我们在基于图像重建的流水线中引入一致性引导瓶颈，其利用地标一致性（与伪真值兼容性的度量分数）来生成自适应热图。我们提出通过跨图像建立地标对应来获取伪监督。随后一致性在自适应热图生成中调节所发现地标的确定性，将一致地标排在含噪地标之上，为提升鲁棒性提供有效结构信息。在包括 MAFL、AFLW、LS3D、Cats 和 Shoes 的五个多样数据集上的评估表明，相较现有 SOTA 方法，所提方法性能优异。我们的代码公开于 https://github.com/MamonaAwan/CGB_ULD。
引用
@article{arxiv.2309.10518,
title = {Unsupervised Landmark Discovery Using Consistency Guided Bottleneck},
author = {Mamona Awan and Muhammad Haris Khan and Sanoojan Baliah and Muhammad Ahmad Waseem and Salman Khan and Fahad Shahbaz Khan and Arif Mahmood},
journal= {arXiv preprint arXiv:2309.10518},
year = {2023}
}
备注
Accepted ORAL at BMVC 2023 ; Code: https://github.com/MamonaAwan/CGB_ULD