CVPRJul, 2017

快速多帧立体场景流与运动分割

PDF
TL;DR本研究提出了一种新的多帧场景流计算方法，包括景深和光流以及相机自运动，同时从移动立体相机中观察动态场景，并将移动对象与固定场景分割开来。该技术在立体匹配和视觉里程计中使用独特的策略，融合移动目标的光流信息和相机基于运动流的信息来提高场景深度和相机自运动估计的精度和效率。
scene flowoptical flowcamera ego-motionvisual odometrymotion segmentation
发现论文，激发创造
  • 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

  • 高效准确的场景流连续优化方法

    本文提出了一种用于从立体影像中求解密集的三维场景流问题的连续优化方法，其中将动态三维场景表示为一系列刚性运动的平面段，使用预先确定的精细超像素分割，将问题分解为光度学、几何和平滑约束，并使用 Levenberg-Marquardt 进行全局非线性优化。

    Jul, 2016

  • 基于密集 RGB-D 场景流的基于运动的物体分割

    本研究提出了一种基于深度学习的模型，用于估计连续 RGB-D 图像之间的场景流，可以将场景分成多个刚体运动的对象，利用编码和解码阶段，得到了像素级目标中心、运动和旋转估计，并在大规模合成和真实数据集上测试了模型性能。

    Apr, 2018

  • 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

  • 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

  • EffiScene: 用于光流、深度、相机姿态和运动分割的高效像素刚性推断的无监督联合学习

    本论文提出一种 EffiScene 场景流框架，通过 Rigidity from Motion 层的学习，同时联合学习光流、深度、相机姿态和运动分割 4 个底层视觉子任务，有效地解决了无监督场景流估计问题。实验证明，该方法在 KITTI 基准测试中，明显提高了所有子任务的表现。

    Nov, 2020

  • 从立体视频中学习残差流作为动态运动

    通过无监督学习框架，我们提出了一种将运动立体相机观察到的 3D 场景流分解为静止场景元素和动态物体运动的方法。我们利用三个协同工作的网络来预测立体匹配、相机运动和残留流，并明确估计基于残留流和场景深度的动态物体的 3D 场景流。在 KITTI 数据集上的实验表明，我们的方法在光流和视觉里程计任务上优于其他现有算法。

    Sep, 2019

  • 基于光流的动态稠密 RGB-D SLAM 系统 FlowFusion

    研究使用光流残差技术实现动态语义感知的 RGB-D 环境下的 SLAM，同时实现动静分割、相机运动估计和静态背景重建。实验证明该方法在动态和静态环境中都比现有的方法具有更高的精度和效率。

    Mar, 2020

  • 基本场景流的立体视差和光流相结合

    本文提出了一种结合最先进的光流和立体视差算法的方案来实现基本的场景流动的方法，通过在 KITTI 场景流基准测试中的结果显示其具有合理的精度和计算速度，旨在解决车载环境下实时场景流动估计的问题。

    Jan, 2018

  • 大规模动态环境下的鲁棒密集建图

    提出了一种基于立体输入的视觉里程计法的稠密建图算法，该算法针对大规模动态城市环境中的高级移动机器人任务，同时重建静态背景、移动物体和潜在移动的静止物体。

    May, 2019