学术资讯|腾讯优图提出半监督对抗单目深度估计，被人工智能顶级期刊TPAMI接收

• 2020 年 3 月 18 日
• 筆記

作为国内计算机视觉领域的领先者，腾讯优图实验室在单目深度估计上取得了全新的研究进展。

近日，腾讯优图实验室与厦门大学纪荣嵘联合团队，共同提出了半监督对抗单目深度估计，有望充分利用海量的无标签数据所蕴含的信息，结合少量有标签数据以半监督的形式对网络进行训练。目前，该研究成果已被人工智能领域顶级的国际期刊TPAMI接收。

长期以来，基于深度卷积神经网络的分类、回归任务大多依赖大量的有标签数据来对网络进行训练。而在实际的算法部署中，往往只有海量的无标签数据以及非常少量的标签数据。如何充分利用这些少量的标签数据，使其达到和大量有标签数据下训练的模型相近的效果，对学术界和工业界来说一直都是一个难题。

腾讯优图的研究员表示，该项研究的核心难点在于，如何从无标签数据中获取监督信息。传统方法一般需要同一场景的图像序列作为输入，通过构建立体几何关系来隐式地对深度进行重建。这种方法要求同一场景至少包含两张以上的图像，一般需要双目摄像头或视频序列才可以满足。腾讯优图与厦门大学联合团队，提出在一个对抗训练的框架中，解除图像对判别器对真假样本必须为同一图像的要求，“真样本对”采用有标签数据的RGB图像以及对应的真实深度图，“伪样本对”采用无标签RGB图像以及用生成器网络预测出的深度图，由判别器网络区分预测出的深度图与对应RGB直接是否符合真实的联合概率分布，进而从无标签数据中收获监督信息。与此同时，通过添加深度图判别器，来约束预测的深度图与真实深度图的分布一致性。该方法输入可以为任意无关联图像，应用场景更加广泛。而从实验结果也发现，当主流的深度估计网络作为一个生成器网络安插在半监督框架中时，都可以收获显著的效果提升。

在研究的量化指标上，利用半监督对抗框架，当有标签数据很少（500张）的情况下，仅使用250张无标签RGB图像就可以收获优于其他state-of-the-art方法的效果。当固定有标签数据量（500张），持续增加无标签RGB图像可以进一步对效果带来提升，最终当利用五万张无标签RGB图像后，该方法在各项指标上都远超当前的state-of-the-art方法。

腾讯优图的研究员表示，该研究方法虽然以单目深度预测为实验，但过程中发现对于语义分割任务也有相似的效果提升。与此同时，当模型训练与算法部署的环境存在差异时（即存在Domain Shift），若有标签数据为源域中的数据，而无标签数据为算法部署的目标域中的数据，该方法还可以起到Domain Adaptation的效果，提升模型在目标域的部署效果，该观察也在非同源场景下的ReID任务中得到了初步的验证。

总的来说，该项研究的核心在于充分挖掘无标签样本所蕴含的信息，减少对标签数据的依赖，未来有望在场景重建、非同源场景ReID等多个方案中进行应用。