文件名称：XTConsistency:通过跨任务一致性进行稳健的学习
文件大小：13.21MB
文件格式：ZIP
更新时间：2024-03-28 05:34:05
Python
通过跨任务一致性进行稳健的学习 上图：基于一致性的学习和单独学习每个任务的结果的比较。 黄色标记突出显示了细颗粒细节的改进。 该存储库包含用于使用一致性来训练和评估模型的工具： 和 对于以下论文： （CVPR 2020，最佳论文奖提名，口头） 有关更多详细信息，，和，请访问我们的。 项目网站： 上传您自己的图像，并查看基于不同一致性的模型与各种基准的结果。 可视化模型（具有和不具有一致性），并通过YouTube影片（非樱桃挑选）进行评估。 目录 介绍 视觉感知需要解决各种各样的任务（例如，目标检测，深度估计等）。 从特定观察结果中为每个任务做出的预测不是独立的，因此预计是一致的。 什么是一致性？ 假设对象检测器在图像的特定区域中检测到一个球，而深度估计器则返回相同区域的平坦表面。 这带来了一个问题-其中至少有一个是错的，因为它们不一致。 它为什么如此重要？ 所需的学习任务通常
【文件预览】：
XTConsistency-master
----hooks()
--------build(160B)
----models.py(7KB)
----config()
--------jobinfo.txt(27B)
--------split_fullplus.txt(4KB)
--------split_medium.txt(1KB)
--------split.txt(5KB)
----utils.py(6KB)
----tools()
--------download_models.sh(115B)
--------download_percep_models.sh(161B)
--------download_energy_graph_edges.sh(935B)
--------download_data.sh(483B)
----logger.py(6KB)
----train.py(6KB)
----assets()
--------test_reshading_consistency.png(46KB)
--------test_depth_consistency.png(12KB)
--------visdom_eg.png(2.41MB)
--------test_scaled.png(124KB)
--------test_reshading_baseline.png(26KB)
--------energy.pdf(30KB)
--------screenshot-demo.png(610KB)
--------test_depth_baseline.png(13KB)
--------intro.jpg(2.84MB)
--------energy_vs_error.jpg(92KB)
--------test_normal_baseline.png(66KB)
--------output_video.gif(3.3MB)
--------vid_thumbnail_600_gif2.gif(1.95MB)
--------energy_prediction.png(36KB)
--------test_normal_consistency.png(97KB)
--------energy_normal_prediction.png(67KB)
--------energy_query.png(274KB)
--------screenshot-viz.png(633KB)
--------test.png(997KB)
----demo.py(2KB)
----Dockerfile(3KB)
----datasets.py(10KB)
----plotting.py(6KB)
----graph.py(6KB)
----requirements.txt(279B)
----transfers.py(12KB)
----.gitignore(183B)
----energy.py(37KB)
----README.md(26KB)
----task_configs.py(13KB)
----scripts()
--------energy_calc.py(6KB)
--------jobinfo.txt(51B)
----modules()
--------unet_mirrored.py(12KB)
--------resnet.py(6KB)
--------depth_nets.py(11KB)
--------percep_nets.py(7KB)
--------__init__.py(0B)
--------unet.py(12KB)