KITTI 2012 第1
利用一致性正则化和熵最小化，有效利用大量无标签数据提升视差精度与鲁棒性。
Fudong, Xu · Lin, Wang · 李慧斌
Pattern Recognition 2024
通过自我训练流程，只需要少量有标签数据和大量无标签数据就能训练高精度模型，省去昂贵的视差标注。
引入置信度回归分支并自适应选择高质量伪标签，避免错误伪标签对训练的误导。
在 KITTI 2012 基准上排名第 1，KITTI 2015 上排名第 4，超越了截至 2023 年 8 月的所有已发表方法。
在跨域场景下展现出有竞争力的表现，意味着模型能更好适应不同的数据分布。