通过区分场景结构提升自监督深度学习的可扩展性
自监督单目深度估计可以利用大量未标注数据，但现有方法在多样化场景中往往表现下降。研究指出，模型容易学习数据集特有的结构偏差，难以迁移到其他领域。MaSS框架将结构表征路径与上下文特征分离，并通过新的场景结构判别目标进行训练。在四个多样化数据集上，MaSS优于以往的自监督方法，并且能够稳定受益于跨领域混合训练。在另外八个数据集上的零样本评估也显示，该方法能够泛化到未见场景。源代码已公开。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。