本文介绍了一种从真实图片中快速生成大量准确的光流标注的框架，该框架利用单目深度估计网络构建可能的点云，通过虚拟相机运动合成新视角和对应的光流场，实现对现有数据的有效利用，并提高了视觉光流网络在真实场景中的泛化和特化性能。

Apr, 2021

本文介绍了一种特定用于人物运动的光流算法，通过构建图像序列的数据库并使用卷积神经网络的方法进行人物运动光流估计，得到了比其他方式更为准确的结果，这一方法可应用于人物运动分析等领域。

Jun, 2018

最近对于密集光流的研究取得了显著进展，主要以需要大量标记数据的监督学习方式为基础。然而，由于获取大规模真实世界数据的昂贵性，通常会利用计算机图形来构建数据集。本文展示了在光流数据集中所需的特征是相当简单的，并提出了一种更简单的合成数据生成方法，通过基本操作的组合实现了一定水平的真实感。通过对 2D 运动数据集的系统分析，我们进一步介绍了生成合成数据集最简单但至关重要的因素。此外，我们提出了一种新的方法，在监督学习中利用遮挡掩模，并观察到抑制遮挡区域梯度在课程学习意义上作为强大的初始状态。在我们的数据集上进行了 RAF 网络的初始训练，结果在 MPI Sintel 和 KITTI 2015 这两个最具挑战性的在线基准测试中超过了原始的 RAF 网络。

Aug, 2023

该研究提出了一个基于虚拟世界的视觉感知基准测试套件，通过对超过 250,000 个高分辨率视频帧的低层次和高层次的视觉任务进行全面地注释，并针对多个任务分析了最先进方法的表现，提供参考基线和突出未来研究的挑战。

Sep, 2017

本文介绍了 OmniFlow，这是一个新的合成全向人类光流数据集，通过渲染引擎创建自然的 3D 室内环境，用于训练光流估计的体积对应网络。

Apr, 2021

该研究论文提出了一种基于光流的移动物体检测框架，利用单应性矩阵在线构建光流背景模型，并设计了一个双模式判断机制来提高系统对复杂场景的自适 应性，实验证明该方法优于现有的方法，具有适应不同场景的优势。

Jul, 2018

通过使用先进的 Nerf 技术，我们提出了一种新的光流训练框架，可以在目标数据领域上高效地训练光流网络，而无需手动标注。实验结果表明，我们的方案在 KITTI 上的泛化能力超过了现有的自监督光流和单目场景流算法，并且在真实世界的零点泛化评估中始终超过大多数有监督方法。

Nov, 2023

本研究提出了一种基于 EM 算法的 RealFlow 框架，该框架可直接从未标记的实际视频中创建大规模的光流数据集，采用了 Realistic Image Pair Rendering（RIPR）模块来减轻图像合成的伪影，并利用生成的训练数据进行无监督学习以实现光流估计。实验结果表明，RealFlow 在数据集生成方面表现优异，在两个标准基准测试中相对于监督和无监督光流方法均获得了 state-of-the-art 的性能。

Jul, 2022

提出了一个包含 50 个具有独特多样性的现实中场景的数据集，用于评估单目视觉里程计和 SLAM 方法的跟踪精度，并在此基础上提出了一个相机光度校准的简单方法以及一种非参数化暗角校准方法，该研究详细评估了两种现有方法（ORB-SLAM 和 DSO）在该数据集上的效果。

Jul, 2016

通过利用光流估计与立体匹配之间的几何连接，我们提出了一种将各种现实世界深度估计数据集转化为生成光流的监督训练数据的方法，同时引入几何增强和辅助分类器进一步增强光流估计器的学习，该方法在多个数据集和光流估计模型上的广泛实验验证了其有效性和优越性。

Oct, 2023