AAAIDec, 2021

平面物体跟踪的单应性分解网络

PDF
TL;DR本文提出了一种基于 Homography Decomposition Networks（HDN）的新方法，通过将单个参数空间分解成两个组来稳定计算条件数，它包括了相似变换估计器，卷积等变网络，简单回归模型来实现残差变换，用半监督方式训练，实验证明，在 POT、UCSB 和 POIC 数据集上，比当前最先进的平面跟踪方法表现优异。
planar object trackinghomography decomposition networkssimilarity transformation estimatordeep convolution equivariant networksemi-supervised fashion
发现论文，激发创造
  • HVC-Net: 统一单应性、可见性和置信度学习实现平面物体跟踪

    提出了一种基于卷积神经网络的平面跟踪方法，该方法可以考虑到出现变化、相机和物体相对运动以及遮挡等因素，联合估计单应性、能见度和置信度，融合进 Lucas-Kanade（LK）跟踪器中，能够在 POT 和 TMT 公共数据集上表现出色，并且在合成高质量视频广告等实际应用中也有着优异的表现。

    Sep, 2022

  • 深度图像单应性估计

    该研究提出了一种利用卷积神经网络实现图像之间的变换估计的方法，可以避免传统的局部特征检测和变换估计方法的复杂度，并展示了多种基于深度估计变换的应用场景。

    Jun, 2016

  • 无监督深度单应性：一种快速而强大的单应性估计模型

    本研究提出一种无监督学习算法，利用深度卷积神经网络估算平面单应矩阵，相较于传统方法和监督式学习算法其具有更快的推理速度、更好的光照变化适应性和优于同类方法的性能表现。

    Sep, 2017

  • 动态场景下的深度单应性估计

    本篇论文研究并讨论如何设计和训练一种深度神经网络，以处理动态场景的单应性估计问题，通过多尺度网络进行设计和训练，在估计动态场景的单应性时，同时完成了动态内容检测的任务，使得该方法在具有挑战性的场景中具有较高的算法鲁棒性。

    Apr, 2020

  • HDM-Net: 通过学习变形模型的单目非刚性三维重建

    本篇论文提出了一种基于神经网络的混合变形模型网络 (HDM-Net) 来解决单目非刚性三维重建的问题，并利用多种状态下的知形状非刚性变形结构进行网络训练，通过纹理依赖表面变形、着色和轮廓等多种重建线索得到一个非常普适的结果。

    Mar, 2018

  • 具有共面感知 GAN 的无监督单应性估计

    本研究提出了一种新的方法 HomoGAN，用于引导无监督的单应性估计关注主平面，并利用多尺度变换网络和图像生成对抗网络来解决来自平面诱导视差引起的问题以及验证其有效性。

    May, 2022

  • 学习知识丰富的序列模型，用于航拍视频中平面单应性估计

    该论文提出了一种无监督方法，利用原始航拍视频学习估计相邻视频帧之间的平面同形变换，通过加入时空知识进行学习的正则化，进一步提高了系统性能。

    Apr, 2023

  • 视觉目标跟踪的相似性变换鲁棒估计

    本文提出了一种新的基于相关滤波的跟踪器，具有对大位移下相似变换的鲁棒估计以及在实时环境下高效搜索 4 - 自由度空间的能力，同时运用 Block Coordinates Descent 求解器对问题进行拆解优化。实验结果表明，该跟踪器具有与最新的视觉对象跟踪方法相当的预测性能，同时仍保留了传统相关滤波跟踪方法的高效和简单优点。

    Dec, 2017

  • 层次离散分布分解用于匹配密度估计

    该研究提出了一种适用于光流和立体匹配的分层离散分布分解（HD^3）框架，通过分层地分解完整的匹配密度并估计每个层次上的局部匹配分布，最终组合得到全局匹配密度。尽管方法简单，但在光流和立体匹配的对比试验中取得了最优的效果，并发现估计的不确定性是预测对应的可靠度的很好指标。

    Dec, 2018

  • 复杂拓扑场景中的单应性估计

    我们提出了一种基于字典的自动化摄像机校准方法，利用定制的空间变换网络（STN）和新颖的拓扑损失函数，改善了 IoU 指标，相对于最先进模型提高了 12％。

    Aug, 2023