MTAN：实现“专注的端到端多任务学习”[CVPR 2019]

简介：
本文介绍了一种名为MTAN的模型，它能在多个任务之间共享信息的同时保持对每个特定任务的关注，实现了高效的端到端多任务学习。该方法在多种视觉任务中表现出色，并于2019年CVPR会议上发表。 MTAN-多任务注意力网络的存储库包含了该模型的源代码以及基线介绍。更多详细结果请参阅项目页面。 在文件夹im2im_pred中，我们提供了建议的网络及NYUv2数据集上的所有基线实验图像到图像预测（一对多）。所有模型均使用PyTorch编写，并且最新的提交已更新为PyTorch 1.5版。您可以下载我们预处理过的NYUv2数据集。 请注意，在我们的研究中，我们从预先计算的地面真实法线上获取了原始的13类NYUv2数据集并直接应用定义的分段标签进行使用。遗憾的是，由于意外的计算机崩溃，无法提供原始的预处理代码。 更新-2019年6月：我们现在发布了具有2、7和19类语义标签及（反）深度标签的预处理CityScapes数据集版本。