.png){kind=icon}
返回
ALStereo: Active learning for stereo matching
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2025.111480.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着深度立体匹配的进步，近期网络在从图像对中估计深度信息方面取得了令人印象深刻的高精度。然而，立体匹配网络需要充足的视差标签，这通常带来高昂的标注成本。本文提出ALStereo框架，用于在有限的标注预算下训练立体匹配网络，该框架选择信息量丰富的样本进行手动标注，并通过半监督学习将知识传播到未标注样本。具体而言，我们将图像对嵌入为图表示中的节点，其中边表示在立体匹配挑战方面的相似性。基于图表示，我们将标注预算分为两部分，用于执行基于代表性的策略和基于不确定性的策略，平衡选择最具代表性和最具挑战性的样本。为充分利用标注样本训练网络，我们提出了两阶段半监督训练流程，第一阶段缓解领域漂移，第二阶段将手动标注样本的知识传播到未标注样本。我们设置了首个基准用于评估在有限标注预算下训练立体匹配网络的效果，并证明我们的方法显著优于对比方法。我们还提供了分析以证明我们的图表示有效建模了样本在立体匹配挑战方面的相似性。
Keyword:
Stereo matching
Active learning
Graph representation
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏
查看更多内容