利用自矛盾学习立体视觉中的置信度度量
计算机视觉与模式识别
2016-04-19 v1
摘要
在立体视觉中，学习型置信度度量对于离群点去除和质量提升日益重要。然而，获取必要的训练数据通常是一项繁琐耗时的任务，涉及人工交互、主动传感设备和/或合成场景。为克服该问题，我们提出一种新颖、灵活且可扩展的训练数据生成方法，仅需一组立体图像作为输入。我们方法的核心思想是利用不同视点来推理由同一立体算法生成的多个深度图之间的矛盾与一致性。这使我们能够以全自动化方式生成海量训练数据。在其他实验中，我们通过在大量自动生成的训练数据而非有限的激光真值数据上训练三个学习型置信度度量，在KITTI2012数据集上提升了它们的性能，从而展示了本方法的潜力。
引用
@article{arxiv.1604.05132,
title = {Using Self-Contradiction to Learn Confidence Measures in Stereo Vision},
author = {Christian Mostegel and Markus Rumpler and Friedrich Fraundorfer and Horst Bischof},
journal= {arXiv preprint arXiv:1604.05132},
year = {2016}
}
备注
This paper was accepted to the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016. The copyright was transfered to IEEE (https://www.ieee.org). The official version of the paper will be made available on IEEE Xplore (R) (http://ieeexplore.ieee.org). This version of the paper also contains the supplementary material, which will not appear IEEE Xplore (R)