基于轮廓的弱监督语义场景变化检测
计算机视觉与模式识别
2022-09-07 v3
摘要
本文提出了一种仅使用弱监督的新颖语义场景变化检测方案。该任务的一种直接方法是从大规模数据集以端到端方式直接训练语义变化检测网络。然而，该任务所需的特定数据集通常耗费人力且耗时，变得不可或缺。为避免此问题，我们提出通过将该任务划分为变化检测与语义提取，利用现有数据集训练此类网络。另一方面，相机视点的差异（例如同一场景在不同时间点由车载相机捕获的图像）通常给变化检测任务带来挑战。为应对此挑战，我们提出了一种引入相关层的新型连体网络结构。此外，我们收集并标注了一个公开可用的语义变化检测数据集以评估所提方法。实验结果验证了所提网络在变化检测任务中对视点差异的鲁棒性以及语义变化检测的有效性。我们的代码与数据集可在 https://kensakurada.github.io/pscd 获取。
引用
@article{arxiv.1811.11985,
title = {Weakly Supervised Silhouette-based Semantic Scene Change Detection},
author = {Ken Sakurada and Mikiya Shibuya and Weimin Wang},
journal= {arXiv preprint arXiv:1811.11985},
year = {2022}
}