基于语义分割和局部层的光流

Mar, 2016

Optical Flow with Semantic Segmentation and Localized Layers

Laura Sevilla-Lara, Deqing Sun, Varun Jampani, Michael J. Black

TL;DR利用静态语义场景分割技术提高光流方法中对于不同物体运动的预测准确度，并通过引入局部化分层模型来解决在复杂场景中估算光流的问题，达到了 KITTI-2015 流量基准测试中最低误差和更好的分割效果及流畅度。

Abstract

Existing optical flow methods make generic, spatially homogeneous, assumptions about the spatial structure of the flow. In reality, optical flow varies across an image depending on object class. Simply put, diffe

optical flow semantic segmentation object motion localized layers monocular method

发现论文，激发创造

使用光流方向进行移动相机视频的连贯运动分割

本文提出了一种运动分割算法，通过使用光流方向代替完整的光流向量，以及使用概率模型自动估计观测到的独立运动数量，实现了对具有相似世界实际运动的像素进行聚类，从而有效避免了景深不同导致的深度相关分割。该系统在多个基准测试视频中表现出鲁棒性，特别是对包含具有相差很大深度的物体的复杂背景场景的运动分割。

Nov, 2015

联合光流和时间一致性语义分割

本文提出了一种同时估计光流和时间连续的语义分割的方法，将这两个问题领域紧密相连并相互利用，从而使场景理解的重要性和需求与自主系统的积极发展不断增加，并对 KITTI 基准测试中的性能进行了演示。

Jul, 2016

光流提升无监督定位和分割

无标注图像分割和定位是自主机器人学习将图像解析为个体对象的关键能力，本研究提出了一种新的损失函数，利用无标注视频中的光流信息辅助自我监督视觉转换器的特征优化，实现了无标注语义分割的优于现有技术的性能。

Jul, 2023

大部分为刚体场景下的光流

文章提出了一种综合了静态和非约束场景下光流方法的算法，可以同时估计运动物体的分割和相机运动的 3D 结构，具有更高的精度。

May, 2017

每一帧都很重要：视频分割和光流联合学习

提出一种新的框架以实现视频语义分割和光流估计的联合训练，通过联合训练利用视频中已标记和未标记的帧，使视频语义分割和光流估计更加稳健并在相应任务中表现优异。

Nov, 2019

提案流程

我们提出了一种基于 object proposals 的语义流的新方法，称为 proposal flow，它可以在处理图像时使用对象 proposals 来建立可靠的对应关系，并证明 proposal flow 在各种设置中均显著优于现有的语义流方法。

Nov, 2015

低维物体运动多目标发现

本文提出一种基于像素几何和物体运动模型的运动预测方法，通过将图像分为运动一致的区域并利用深度构建最佳匹配的流场基础来减少从单个图像重建流场的不确定性，并在场景结构和物体运动建模方面取得了最新的结果，同时对预测深度图的评估显示出可靠的单眼深度估计性能。

Jul, 2023

移动单目相机的运动分割

本研究讨论了利用点轨迹和光流等方法相互融合，在移动的单目摄像头中识别和分割运动物体，实现对复杂场景中不同对象运动的模拟，最终取得了最先进的效果。

Sep, 2023

SegFlow: 视频目标分割和光流联合学习

本文提出了一种端到端可训练网络 SegFlow，用于同时预测视频中逐像素对象分割和光流，并通过统一框架双向传播对象分割和光流的有用信息。实验证明，引入光流可提高分割性能，同时改善了最先进算法的结果。

Sep, 2017

基于光流和伪深度图的密集单目运动分割：一种零样本方法

我们提出了一种创新的混合方法，既利用深度学习方法又利用基于光流的传统方法来进行密集运动分割，而无需进行任何训练。

Jun, 2024