May, 2018

FlowFields++：精确的光流对应遇上鲁棒的插值

PDF
TL;DR本文提出了 FlowFields ++ 算法，通过结合 Flow Fields 的准确匹配和稳健的插值方法，以及改进的变分优化作为后处理，针对稀疏匹配的准确性和插值方面的不足进行了改进，并在公开测试数据集 KITTI 和 MPI Sintel 上均取得了最佳的效果。
optical flowflow fieldssparse matchesinterpolationvariational optimization
发现论文，激发创造
  • SceneFlowFields：稀疏场景流对应关系的密集插值

    该研究论文报道了一种利用稀疏点匹配进行场景流估计的方法，通过边缘信息实现保持几何和运动边界的稠密插值，并进行变分能量最小化迭代优化，最终在 KITTI 基准数据集上得到了优秀的表现，可用于汽车场景下的静态与动态部分的分割。

    Oct, 2017

  • Flow Fields: 高精度大位移光流估计的密集对应场

    本文介绍了一种密集对应场方法，该方法具有非常低的异常值率，比近似最近邻字段更适合光流估计，并使用数据搜索策略取代了显式正则化和平滑 (如中值过滤) 或新的数据项。此外，我们提供了一种新颖的异常值过滤增强方法。我们显示了我们的方法比最先进的描述符匹配技术更适合大位移光流估计。通过使用我们的 Flow Field 来初始化 EpicFlow，我们显着优于 MPI-Sintel，KITTI 和 Middlebury 上的原始 EpicFlow。

    Aug, 2015

  • EpicFlow: 光流对应物的边界保护插值

    该研究提出一种新的用于光流估计的方法，该方法在稀疏点集和稠密匹配初始化的基础上，采用边界保存插值进行密集匹配，从而使用变分能量最小化获得光流估计，并经过 MPI-Sintel、Kitti 和 Middlebury 数据集的验证，具有较快速度和鲁棒性。

    Jan, 2015

  • 视频帧插值中的稀疏全局匹配与大动态

    通过引入一个新的管道，本文提出了一种有效地整合全局级信息以缓解大运动问题的视频帧插值方法，在处理大运动场景时展现了最先进的性能。

    Apr, 2024

  • 全流程：基于规则网格的全局优化光流估计

    本文提出了一种基于全局优化的光流估计方法，通过针对规则化的映射空间高效匹配数万个节点和位移计算，实现了从二次复杂度到线性复杂度的优化。通过对单分辨率规则格网优化实现连续插值，该领域达到了最新的实验性能。

    Apr, 2016

  • InterpoNet，一种模仿大脑的神经网络用于光流密集插值

    本研究基于全卷积网络，结合视觉皮层的填充过程和神经元的横向依赖性，引入多层监督来提出了一种基于数据驱动的稀疏到密集插值算法，并且其针对具有多个匹配算法的竞争性光流基准显示了该方法的稳健性和优越性，使其在 Sintel 和 KITTI 2012 基准测试上达到了最先进的性能水平。

    Nov, 2016

  • ScopeFlow: 光流的动态场景分层

    通过改进训练流程中的采样偏差、优化正则化和数据增强参数，并应用于一个参数较低的体系结构中，使其在 MPI Sintel 和 KITTI 基准测试中的表现均优于同类算法。

    Feb, 2020

  • DIP: 高分辨率光流的深度反演 Patchmatch

    本论文提出了一种基于 Patchmatch 的深度学习光流方法，通过传播和局部搜索获得高精度结果，并提出了一种新的反向传播方法来减少计算复杂度，实验证明该方法在 KTTI2015 基准测试上排名第一，在 Sintel 干净基准测试上排名第二，以较少的内存消耗在高分辨率数据集 DAVIS 上得到良好的细节保留结果。

    Apr, 2022

  • 直接代价体积处理实现精准光流计算

    通过对完整的四维成本体积进行操作，我们提出了一个光流估计方法，利用半全局匹配来优化四维成本体积，使得我们的方法比现有的光流方法更精确，速度更快，并在 Sintel 和 KITTI 2015 基准测试上优于所有已发布的通用光流方法。

    Apr, 2017

  • 从少量匹配学习光流

    本文研究了一种神经网络模型的新方法，使用稀疏相关物体代替密集相关物体，以更高效且准确地估算像素位移并降低计算成本和内存使用。

    Apr, 2021