无监督学习：跨任务一致性提升深度预测与光流估计

本文主要探讨了"跨任务一致性损失的无监督学习方法用于深度预测和光流估计"这一主题，针对单视点深度预测和光流估计这两个高度相关的计算机视觉问题。传统的研究方法往往孤立地处理这两个任务，而本文则提出了创新的解决方案。 作者邹玉良、罗泽伦和黄家斌提出的DF-Net（Depth and Flow Network）框架，利用无标记的单目视频序列，引入了一种新的无监督学习策略。他们强调了几何一致性作为额外的监督信号在训练过程中的重要作用。在深度预测中，通过预测的场景深度和摄像机运动，结合反向投影生成3D场景流，然后与光流模型估算的流进行比较，从而实现跨任务一致性损失的计算。这种一致性损失促使深度预测和光流估计模型在训练过程中协同优化，但又保持各自的独立性，以便于在测试阶段各自应用。 相较于传统的监督学习方法，如需要大量标注的训练数据和密集像素级的注解，无监督学习框架极大地降低了对人工标注的依赖，能够利用现有的未标记视频资源进行联合训练。尽管如此，这种方法并未忽视深度和流量模型间的内在关联，而是通过几何一致性这个桥梁，有效地整合了两者的学习，使得模型在性能上能够与最先进的无监督方法竞争。 现有的深度和流量估计方法大多依赖于亮度恒定性和空间平滑度等先验知识，但本文的方法更加注重底层的几何约束，这对于处理复杂场景和动态背景下的任务具有显著的优势。实验结果表明，该方法不仅提高了模型的准确性，而且在实际应用中展现出良好的泛化能力，对于减少标注数据的需求以及提升整体性能具有重要意义。因此，跨任务一致性损失的无监督学习方法对于推动计算机视觉领域的深度预测和光流估计技术的发展具有重要的理论和实践价值。