3d scene flow | BriefGPT - AI 论文速递

关键词3d scene flow

搜索结果 - 9

CVPR3DSFLabelling: 通过伪自动标注提升三维场景流估计
通过自动标记生成大量真实 LiDAR 点云的三维场景流伪标签，采用刚体运动假设模拟自治驾驶场景中的潜在物体级刚体运动，通过更新多个锚点框的不同运动属性，获得整个场景的刚体运动分解。在多个真实数据集上测试，方法在无监督和有监督方法中表现出色，
PDF4 months ago
ICCVRPEFlow: RGB-PointCloud-Event 模态多模融合光流与场景流估计
通过提出的多阶段多模态融合模型 RPEFlow，将 RGB 图像、点云和事件相机用于联合光流和场景流估计，并引入注意力融合模块以及互信息正则化项来提高性能。实验结果表明，该模型在合成和真实数据集上优于现有的最先进方法。
PDF9 months ago
在伪激光雷达上进行 3D 场景流估计：填补点运动估计的差距
本文提出了一种基于生成的深度图的方法，通过引入像素的稠密性来实现直接从 2D 图像学习 3D 场景流，以及利用统计方法和视差一致性损失来解决噪声点的问题，从而达到了更加有效的自监督学习 3D 场景流的目的。实验证明，这种方法优于合成数据集和
PDF2 years ago
CVPR自监督多帧单眼场景流
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。
PDF3 years ago
CVPR基于时空注意力的场景点云流估计（FESTA）
本文介绍了一种使用带有空间和时间注意力层的方法来提取点云中的 3D 场景流信息，该方法名为 FESTA，相比其他基于场景流估算的新方法，在场景流估算准确度和性能方面有了显著的提升。
PDF3 years ago
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 KITT
PDF5 years ago
ICCVMono-SF: 多视角几何结合单视角深度用于动态交通场景单目场景流估计
本文提出了一种称为 Mono-SF 的新型单目 3D 场景流估计方法，将多视角几何和单视深度信息相结合，使用统计方式的卷积神经网络 ProbDepthNet 来整合单视深度估计，并通过回校准技术提高估计深度的准确性。实验证明 Mono-SF
PDF5 years ago
PointFlowNet: 从点云学习刚体运动估计的表示
该论文提出了一种使用深度神经网络从非结构化点云中估计三维运动的方法，同时也能预测场景中物体的三维边界框和刚体运动。作者还采用虚拟物体增强真实扫描数据来训练网络，并与传统技术和基于学习的技术进行了全面比较。
PDF6 years ago
ECCV立体视频去模糊
通过利用立体视频提供的 3D 场景流，利用局部共同点来建立准确的模糊核并利用推测的运动边界来减少环绕伪影，从而成功地去除低光条件下的视频模糊。
PDF8 years ago