视差仲裁器

低质教师挖伪标签

该框架通过显式感知学生缺陷来挖掘伪标签，使教师和学生的置信度可直接比较，即使教师视差质量较低也能提升学生模型性能。

Chuangwei, Liu · Mengtan, Zhang · Ma, Nachuan · Wu, Jin · Wang, Hanli · Chen Q. · Rui, Fan

Information Fusion 2027

参数信息

KITTI基准排名

1

技术优势

师生置信度可直接比较

通过稀疏嵌入策略保证不同视差图置信度分数的数值一致性，使教师和学生的置信度可以直接比较，从而决定从哪些位置采伪标签。

能从低质教师中取长补短

即使在教师视差质量较低的情况下，只要学生表现更差，就能从这些区域生成伪标签，从而针对性地提升学生模型。

应用场景

• 自动驾驶视觉系统：为自动驾驶深度估计提供更可靠的伪标签，提升立体匹配精度。
• 机器人立体视觉：在机器人视觉中利用低质视差数据训练高精度立体匹配模型。
• 立体匹配算法：为自监督立体匹配提供新的伪标签挖掘范式，超越现有方法。