Jul, 2024
SCPNet: 通过内部单模自主学习实现无监督的跨模态单应性估计
SCPNet: Unsupervised Cross-modal Homography Estimation via Intra-modal
Self-supervised Learning
TL;DR提出了一种基于自监督学习、相关性和一致特征映射投影的新型无监督跨模态单应性估计框架SCPNet,SCPNet是第一个在GoogleMap数据集上实现有效无监督单应性估计的模型,在128x128的图像上,相对于有监督方法MHN,在[-32, +32]偏移下的平均角点误差(MACE)上表现提高了14.0%。在几个跨模态/光谱和手工不一致的数据集上,SCPNet表现出优于其他无监督方法的性能,其MACE相比有监督方法MHN降低了49.0%、25.2%、36.4%和10.7%。