弱但深度监督的遮挡推理参数化道路布局
计算机视觉与模式识别
2022-04-14 v2
摘要
我们提出一个端到端网络，以复杂道路场景的单张透视 RGB 图像作为输入，在透视空间以及参数化鸟瞰图(BEV)空间中生成具有遮挡推理的布局。与先前需要密集监督(如透视视图中的语义标签)的工作不同，我们的方法仅需对参数化属性进行人工标注，这类标注获取成本更低且歧义更少。为解决这一具有挑战性的任务，我们的设计由融入归纳偏置以学习遮挡推理、几何变换和语义抽象的模块组成，其中每个模块可通过适当变换参数化标注来监督。我们展示了设计选择与所提出的深度监督如何帮助获得有意义的表征与准确的预测。我们在 KITTI 和 NuScenes 两个公开数据集上验证了我们的方法，以显著更少的人工监督取得了 SOTA 结果。
引用
@article{arxiv.2104.06730,
title = {Weakly But Deeply Supervised Occlusion-Reasoned Parametric Road Layouts},
author = {Buyu Liu and Bingbing Zhuang and Manmohan Chandraker},
journal= {arXiv preprint arXiv:2104.06730},
year = {2022}
}
备注
to be appeared in CVPR22