基于不确定性加权的多视角融合互熏蒸

本研究解决了多视角学习在处理不同角度和位置捕获的图像时面临的不一致性和不确定性问题。提出的多视角不确定性加权互熏蒸（MV-UWMD）方法通过跨各种视图组合进行层次互熏蒸，提升了预测的一致性，并引入了基于不确定性的加权机制，从而有效利用每个视图的独特信息并减小不确定预测的影响。实验结果表明，MV-UWMD相对于现有的多视角学习方法在预测准确性和一致性上均有所改善。