WSCF-MVCC：无监督校准自由的多视角人群计数
计算机视觉与模式识别
2025-12-03 v1
摘要
多视角人群计数可有效缓解单图像人群计数中常见的遮挡问题。现有的深度学习多视角人群计数方法将不同摄像头视角的图像投影到共同空间以获取地面密度图，需要大量昂贵的群体标注和摄像机校准。因此，提出了无校准方法，不需要摄像机校准和场景级群体标注。然而，现有的无校准方法仍需要昂贵的图像级群体标注来训练单视角计数模块。因此，本文提出一种弱监督校准自由的多视角人群计数方法 (WSCF-MVCC)，直接将群体计数作为单视角计数模块的监督信号，而非来自群体标注构建的密度图。相反，利用多尺度先验的自监督排序损失用于增强模型的感知能力，无需额外标注成本。此外，所提方法利用语义信息实现更精确的视角匹配，从而实现更准确的场景级群体计数估计。该方法在三个广泛使用的多视角计数数据集上以弱监督设置 outperform 了最新方法，表明其在实际部署中比校准方法更合适。代码已发布于 https://github.com/zqyq/Weakly-MVCC。
引用
@article{arxiv.2512.02359,
title = {WSCF-MVCC: Weakly-supervised Calibration-free Multi-view Crowd Counting},
author = {Bin Li and Daijie Chen and Qi Zhang},
journal= {arXiv preprint arXiv:2512.02359},
year = {2025}
}
备注
PRCV 2025