VoloGAN：用于合成深度数据的对抗域适应
计算机视觉与模式识别
2022-07-20 v1 机器学习
图像与视频处理
摘要
我们提出 VoloGAN，一种对抗域适应网络，可将人物的高质量 3D 模型的合成 RGB-D 图像转换为使用消费级深度传感器所能生成的 RGB-D 图像。该系统特别有助于为单视图 3D 重建算法生成大量训练数据，以复现真实世界采集条件，并能针对同一高端 3D 模型数据库模仿不同传感器类型的风格。该网络采用 CycleGAN 框架，生成器为 U-Net 架构，判别器受 SIV-GAN 启发。我们对生成器与判别器使用不同的优化器与学习率调度进行训练。我们进一步构造了一个逐通道考虑图像并评估结构相似性等多项度量的损失函数。我们证明 CycleGAN 可用于合成 3D 数据的对抗域适应，以仅用少量训练样本训练体积视频生成器模型。
引用
@article{arxiv.2207.09204,
title = {VoloGAN: Adversarial Domain Adaptation for Synthetic Depth Data},
author = {Sascha Kirch and Rafael Pagés and Sergio Arnaldo and Sergio Martín},
journal= {arXiv preprint arXiv:2207.09204},
year = {2022}
}