多帧光流估计的融合方法
该论文提出了 ContinualFlow 算法来解决光流估计中遮挡估计和处理以及超过两帧图像序列的估计问题,提高了 KITTI 和 Sintel 的性能。该方法利用前一帧图像的光流信息来估计遮挡,并在无对应区域中作为经验先验,能够不断进行优化。
Nov, 2018
针对光流估计中的连续帧遮挡问题,我们提出了一个简化的批处理多帧(SIM)流程,包括高效的时空建模方法和全局时间回归器(GTR),可在解码过程中有效地探索时间关系。相对于以前的多帧方法,该方法不仅在 KITTI 和 Sintel 数据集上的性能表现出色,尤其是在遮挡区域方面有显著改进,而且在速度方面取得了显著的 63.82% 提升。
Nov, 2023
该论文提出了一种基于数据驱动的多帧场景流估计方法,通过神经网络以及双向场景流估计和遮挡掩模生成实现了对运动估计中遮挡问题的有效解决,提供了一种快速有效的计算机视觉方法。
Nov, 2020
本文提出了一种基于时空动态模型的无监督光流估计方法,使用视图合成的自我监督学习来提供可靠的运动先验信息,利用邻帧的运动先验来改善光流估计中遮挡区域的监督,采用自我监督知识蒸馏来让模型理解物体在连续动态环境中的运动模式,实验证明该方法在无监督光流估计中取得了最先进的性能并具有记忆开销优势。
Apr, 2023
本研究提出了基于学习的多帧光流估计方法,使用 3D Convolutional Gated Recurrent Units 和 spatiotemporal transformers 对长序列的场景动态进行建模,在遮挡的区域中获得较高的光流准确度。
Apr, 2023
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。
Jul, 2017
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
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
本文通过自监督学习介绍了一种基于多帧单目场景流网络的方法,该方法在保持实时效率的同时显著提高了准确性,并通过在 KITTI 数据集上进行测试达到了自我监督学习中的最新水平。
May, 2021