CVPRMar, 2022

弱监督语义对应的概率变形一致性

PDF
TL;DR本文提出了概率 Warp 一致性，用于语义匹配的弱监督学习目标。我们的方法直接监督由网络预测的密集匹配分数，并在概率分布中编码。我们通过应用已知的 Warp 构造图像三元组来推导出我们的概率学习目标，然后使用由此产生的图像三元组的约束来推导出概率学习目标。
weakly-supervised learningsemantic matchingprobabilistic warp consistencyimage tripletocclusion
发现论文，激发创造
  • 无监督学习密集对应关系的变形一致性

    本文提出了一种新的无监督学习方法 ——Warp Consistency，来解决实际图像匹配中出现的大外观变化的问题，并在多个有挑战性的基准数据集上取得了新的最高水平。

    Apr, 2021

  • 端到端弱监督语义对齐

    本文提出了一种基于卷积神经网络和不同 iable soft inlier scoring 模块的语义对齐方法，该方法无需繁琐的手工标注就能实现对不同但具有语义相关性的图像进行参数学习，并从几何上一致的对应关系计算对齐质量，达到了基于多个标准基准的语义对齐的最先进表现。

    Dec, 2017

  • WarpNet: 单视角重建的弱监督匹配

    该研究提出了一种利用深度学习的 WarpNet 架构匹配局部未注释的微粒级细节图像数据集中物体的方法，可以在外观、视角和关节角度变化的情况下进行单视图重构。

    Apr, 2016

  • 联合弱监督学习语义匹配和物体共分割：展示、匹配和分割

    我们提出了一种联合匹配和分割图像集合中同一类别的对象实例的方法，这种方法利用了两个任务的互补性，通过从语义匹配得到的估计密集对应场来提供对象共分割的监督，并且从对象共分割得到的预测对象掩码来改善语义匹配的性能，我们的算法在五个基准数据集上表现优异。

    Jun, 2019

  • 弱监督 2D 点集配准的语义匹配

    本文提出了一种卷积神经网络的方法来处理物体相同实例之间的对应关系问题，定义了一个新的基于循环一致性的损失函数来解决 2D 点集的注册问题，并在 Proposal-Flow（PF-PASCAL）数据集上进行了训练和测试，取得了最先进的结果。

    Jan, 2019

  • 半监督语义分割中弱到强一致性的再访

    本文介绍了一种基于弱到强一致性框架的半监督分类技术，将图像的弱扰动版本作为强扰动版本的监督信息，通过使用数据扩充，提出了一个统一的双流扰动方法，该方法在各种基准测试中表现优异。

    Aug, 2022

  • 基于差异系数的弱监督目标检测

    本文研究弱监督对象检测的问题，在模型中使用基于分歧系数的概率学习目标，通过深度学习框架提供注释一致的样本来解决条件分布复杂性的挑战，并在 PASCAL VOC 2007 和 2012 数据集上进行了广泛实验。

    Nov, 2018

  • ConMatch: 带置信度引导的连贯性正则化半监督学习

    本文介绍了一种名为 ConMatch 的新型半监督学习框架，它在图像的两个强大的增强视图的模型预测之间智能地利用一致性正则化，权重由伪标签的置信度确定。该方法通过弱增强视图作为锚点，提出了新的伪标签置信度度量方法，包括非参数方法和参数方法。特别是，在参数方法中，我们首次提出在网络内学习伪标签置信度，可以端到端地与骨干模型一起训练。在现有的半监督学习中加入 ConMatch 可以持续提高性能，本文通过实验和大量的消融研究证明了 ConMatch 的有效性。

    Aug, 2022

  • 利用时间上的光度一致性实现稀疏监督的手 - 物体重建

    模拟手 - 物互动的姿态估计方法，通过不依赖稠密标注数据的光度一致性方法可同时进行手和物体的三维重建和精确定位，取得了 3D 手 - 物重建基准测试的最优结果，并展示了其在低数据场景下通过相邻帧获取信息以提高姿态估计精度的能力。

    Apr, 2020

  • 弱监督自洽学习的通用图像篡改检测

    通过弱监督学习方式，本文提出了一种基于自一致性学习的弱监督图像篡改检测方法，该方法通过学习多源一致性和跨补丁一致性来改进图像篡改检测的泛化能力和篡改区域的定位效果，实现了与全监督方法相媲美的性能表现。

    Sep, 2023