采用像素级不确定性估计来自适应调

MimJannat909

其目的是从一对校正后的立体图像中估计视差 深度图。然而，由于多个数据集之间的域差异和视差分布不平衡，当前的立体匹配方法通常仅限于特定数据集，并且对其他数据集的泛化性较差。这种域转移问题通常通过对昂贵的目标域地面实况数据进行大幅调整来解决，而这些数据在实际设置中不容易获得。 在这篇 期刊论文中，我们建议深入研究不确定性估计，以解决立体匹配任务中多个数据集之间的域差异和不平衡视差分布。具体来说，为了平衡视差分布，我们整后续阶段的视差搜索空间。

从而驱动网络逐步修剪掉不太可能对应的空间。然后，为了解决有限的地面实况数据，提出了一种基于不确定性的伪标签，使预训练模型适应新领域，其中提出了像素级和区域级不确定性估计来滤除高不确定性预测视差图的像素并生成稀疏而可靠的伪标签来 电话号码列表 对齐域间隙。 实验上，我们的方法表现出强大的跨域、适应和联合泛化能力，并在 年鲁棒视觉挑战赛的立体任务中获得第一名。此外，我们基于不确定性的伪标签可以扩展到在无监督的情况下训练单目深度估计网络方式，甚至达到与监督方法相当的性能。



这项工作已被备受推崇的 杂志接受发表。查看 上的视频和 上的论文。 ：工地自主挖掘机地形可通行性测绘、导航和挖掘系统 这项研究发表在《 》上，提出了一种地形可穿越性测绘和导航系统 ，用于非结构化环境中的自主挖掘机应用。我们有效地从 图像和 点云中提取地形特征，并将其合并到全球地图中以进行规划和导航。我们的系统可以适应不断变化的环境并实时更新地形信息。这项工作体现了计算机视觉和机器人技术的融合，为建筑行业开辟了新的途径。查看该工作 。