モノクロム深度推定における教師なしドメイン適応のための一貫性正則化

単眼深度推定において、近年、大規模なアノテーション付き画像ベースの深度データセットに依存することを緩和するため、教師なしドメイン適応が検討されている。しかし、このアプローチは複数のモデルを訓練する必要がある、または複雑な学習プロトコルを要するという課題を伴う。本研究では、ソースドメインの真値ラベルにのみアクセスできるという仮定の下、単眼深度推定における教師なしドメイン適応を一貫性に基づく半教師付き学習問題として定式化する。これにより、ソースドメインにおける予測を正則化するとともに、ラベルなしターゲットサンプルの複数の拡張ビュー間で摂動の一貫性を強制するペアワイズ損失関数を提案する。本手法の特徴として、先行研究と異なり、単一のモデルの学習のみで済むシンプルかつ効果的なアプローチである点が挙げられる。実験では、標準的な深度推定ベンチマークであるKITTIおよびNYUv2を用いて、既存手法と比較して最先端の性能を達成することを示す。さらに、一連のアブレーションスタディを通じて、本手法のシンプルさと有効性を分析する。コードは以下のURLから公開されている：\url{https://github.com/AmirMaEl/SemiSupMDE}。