近日，人工智能领域顶级学术刊物IEEE Transactions on Pattern Analysis and Machine Intelligence（即IEEE TPAMI，影响因子17.730）接收了厦门大学信息学院纪荣嵘团队的最新研究成果“Semi-Supervised Adversarial Monocular Depth Estimation”。该论文提出了一种半监督对抗卷积神经网络框架 (Semi-Supervised Adversarial，简称为SSA），其目标在于建立有标签数据量很少的情况下如何充分利用大量无标签数据的方法。该方法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。目前该方法运用在多个公开的深度估计数据集上，在标签数据有限时都取得了最好的评估结果。

图1. 所提出的半监督对抗框架。希望利用大量有标签数据和少量有标签数据来训练一个深度估计网络。图中的生成器网络接收两个判别器网络的反馈来更新自己的网络参数。

该论文由我校纪荣嵘教授、腾讯优图实验室李珂研究员、微软公司王言研究员、我校孙晓帅副教授等合作完成，这也是纪荣嵘教授团队两年内第三篇TPAMI文章，系列研究成果的发布标志着我校在信息学科人工智能研究领域的影响力的逐步提升。本项研究得到了国家重点研发专项和联合基金重点支持项目的资助。