《表1 堆叠Cycle GAN对深度估计的影响》
但是,Cycle GAN属于无监督学习,利用非成对的数据集训练。而且,损失函数只限制了生成结果属于深度图像域,而无法限制和原有对应输入图像的相似性,也无法实现像素到像素的映射。然而,深度估计任务中,输出的深度图像与原始对应输入图像具有紧密的联系,需要共享大量的空间与几何信息,属于有监督的信息。为了更好地让Cycle GAN网络利用这种成对数据的有监督信息,从损失函数方面进行改进,在损失函数中引入L1距离函数,方便直接实现成对数据的像素级约束。引入L1函数后的性能提升如表1所示。
图表编号 | XD00201621900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.15 |
作者 | 邹承明、胡佑璞 |
绘制单位 | 武汉理工大学计算机科学与技术学院、交通物联网技术湖北省重点实验室、鹏城实验室、武汉理工大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |