Предсказание функции потерь для активного обучения в задаче восстановления карты глубины

Восстановление карты глубины из изображений является одной из ключевых задач в глубинном обучении. Оно применяется во множестве задач, в том числе в понимание и реконструкции сцены. Однако, данные для обучения этой задачи сложно собирать, и существующие датасеты содержат изображения недостаточно разнообразные и в недостаточном количестве. Так как на вход алгоритму в этой задаче подается изображение, не составляет труда собрать большой датасет разнообразных неразмеченных данных. Мы считаем, что разметить эти изображения возможно вручную, и, как следствие, возникает вопрос выбора картинок для разметки. По-этому, мы исследовали возможность применения активного обучения для выбора данных для разметки. В этой работе мы концентрировались на методе обучения предсказания функции потерь. Мы провели ряд экспериментов с активным обучением при помощи предсказания функции потерь и замерили качество получающихся моделей.