Just Go with the Flow- Self-Supervised Scene Flow Estimation[CVPR2020 Oral]
[論文鏈接] \qquad 現有的估計場景流的方法都需要有標註的場景流數據去使用監督的方法訓練網絡。本文作者提出了使用兩個自監督損失函數訓練（場景流估計）網絡的方法，這兩個損失函數分別基於最近鄰和cycle consistency（不知道該怎麼翻譯。。。）。自監督的訓練方法使得大量沒有標註信息的自動駕駛數據集可以用於訓練網絡。使用本篇文章自監督方法訓練的網絡，表現與目前最好的使用監督方法學習的網絡
相關文章
- 1. flow
- 2. Understanding Web Internals--The flow of Messages
- 3. Semantic Flow for Fast and Accurate Scene Parsing
- 4. The finnacial statements,taxes and cash flow
- 5. Glow: Generative Flow with Invertible 1x1 Convolutions
- 6. FlowNet: Learning Optical Flow with Convolutional Networks
- 7. Video Enhancement with Task-Oriented Flow（TOFlow）
- 8. Week 2, Flow control
- 9. FlowNet3D - Learning Scene Flow in 3D Point Clouds[CVPR2019]
- 10. Spring Web Flow
- 更多相關文章...
- • XSL-FO flow 對象 - XSL-FO 教程
- • ASP.NET CheckBoxList RepeatLayout 屬性 - ASP.NET 教程
- • RxJava操作符（一）Creating Observables
- • YAML 入門教程
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. flow
- 2. Understanding Web Internals--The flow of Messages
- 3. Semantic Flow for Fast and Accurate Scene Parsing
- 4. The finnacial statements,taxes and cash flow
- 5. Glow: Generative Flow with Invertible 1x1 Convolutions
- 6. FlowNet: Learning Optical Flow with Convolutional Networks
- 7. Video Enhancement with Task-Oriented Flow（TOFlow）
- 8. Week 2, Flow control
- 9. FlowNet3D - Learning Scene Flow in 3D Point Clouds[CVPR2019]
- 10. Spring Web Flow