通过半监督对比学习利用未标注数据以增强单目深度估计

《Pattern Recognition》:Leveraging unlabeled data via semi-supervised contrastive learning for enhanced monocular depth estimation

【字体: 大 中 小 】 时间:2026年09月22日 来源:Pattern Recognition 9.1

编辑推荐:

   ## 摘要 - 我们将对比学习整合到半监督单目深度估计(MDE)中。 - 我们施加特征级对齐,缓解了对噪声深度标注的敏感性。 - 基于窗口的对比损失是专门设计的,用于探索无效深度区域。 - 我们的方法在极少标注数据的情况下实现了卓越且鲁棒的性能。 ## 章节摘要 ###

  ## 摘要- 我们将对比学习整合到半监督单目深度估计(MDE)中。- 我们施加特征级对齐,缓解了对噪声深度标注的敏感性。- 基于窗口的对比损失是专门设计的,用于探索无效深度区域。- 我们的方法在极少标注数据的情况下实现了卓越且鲁棒的性能。## 章节摘要### 引言与动机单目深度估计(MDE)从单张2D图像推断3D场景几何结构,仍然是一个基本问题[1]。作为立体传感器或主动传感器的一种具有成本效益的替代方案,它对于自动驾驶、3D/4D重建和手术导航等各种应用至关重要[2],[3],其中准确的深度感知能够实现空间理解和人机交互。近年来,基于深度学习的监督式MDE[4],[5]已经出现并主导了该领域。虽然……### 监督式与自监督式单目深度估计监督式MDE通过在密集标注上进行训练来学习预测每像素深度。Eigen等人[1]提出了直接使用多尺度CNN回归深度,建立了一个基础的基线。随后引入了更深的架构,如FCN[23],以及序数回归损失[24]以提升性能。近期工作则通过联合预测辅助线索,如表面法向量[25]或语义分割[26],来探索多任务学习。此外,结构化……### 方法图2展示了所提出的TriConDepth框架,该框架由三个连续阶段组成。在第一阶段,两批增强后的未标注图像通过编码器 *E* 和投影头 *P?* 来获得图像级表示。同时,维护一个内存库来存储之前生成的表示,这些表示被联合用于执行无监督的图像级对比学习(CL)。该阶段鼓励编码器捕获全局几何不变……### 数据集与评估在本节中,我们在KITTI和NYU-Depth-v2数据集上评估TriConDepth。对于每个基准,我们遵循标准的训练和测试协议,同时通过仅保留标注数据的一个子集来模拟半监督MDE。我们在不同标注比例下与代表性的监督和半监督基线进行了全面比较。- **KITTI数据集**[35]由车载Velodyne LiDAR传感器捕获的RGB-D对组成。图像分辨率……### 讨论基于对现有深度估计方法的回顾,我们分析认为,未来的研究将致力于在最少附加信息的情况下实现更准确的深度图。这种方法不仅减少了标签依赖性,还简化了实现。当前的监督和自监督方法存在固有局限性,而半监督学习为应对这些问题提供了最佳替代方案。然而,现有的半监督方法未能有效解决……### 结论总之,TriConDepth代表了单目深度估计的重大进步,在不依赖任何外部来源或预训练模型的情况下,有效解决了标注有限的问题。通过利用数据集的内在结构,特别是未标注图像和无效深度区域,该框架在极少监督的情况下实现了出色性能。我们的方法为解决日益增长的深度估计需求提供了有前景的解决方案……### CRediT作者贡献声明**Yuhua Zhong:** 撰写初稿、可视化、软件、方法学、数据整理。**You Hao:** 撰写——审阅与编辑。**Xiaofeng Wu:** 撰写——审阅与编辑。**Tianli Liao:** 撰写——审阅与编辑。**Ce Wang:** 撰写——审阅与编辑、监督、经费获取、概念化。### 未引用参考文献图6### 利益冲突声明作者声明他们不存在任何已知的竞争性经济利益或个人关系,这些利益或关系可能会影响本文报告的工作。### 致谢本工作部分得到国家自然科学基金委的资助(批准号62301532和62303438),部分得到江苏省自然科学基金的资助(批准号BK20230282),以及部分得到广东省基础与应用基础研究基金会的资助(批准号2026A1515012933和2026A1515060011)。---Yuhua Zhong | You Hao | Xiaofeng Wu | Tianli Liao | Ce Wang
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号