- 基于时空图割的事件驱动运动分割
本研究开发了一种基于事件的相机的方法，将问题转化为涉及多个运动模型的能量最小化问题，并利用时空图的形式下的输入事件数据的结构迭代地解决事件聚类分配和运动模型拟合两个子问题。实验结果表明，该方法具有很高的灵活性，在不同的场景中能够获取不同运动 - 使用或不使用学习的点云场景流
本研究提出了一种简单且可解释的目标函数来从点云中计算场景流，既可以用于有监督的学习，又可以用于自监督学习，或者在运行时进行优化，其优于先前相关工作，且在动态环境下的运动分割和点云密集化等应用方面具有即时性。
- 基于运动补偿的事件驱动运动分割
本研究提出了第一种基于事件相机的感知运动信息分割方法，通过建立在事件感应技术和运动补偿上的目标函数联合估计事件 - 目标关联，从而实现了场景中的独立运动目标分割和运动参数估计，并在公共数据集上取得了比最新技术研究成果高达 10% 的有效结果 - EV-IMO: 基于事件相机的运动分割数据集和学习流程
本研究提出了基于事件的学习方法，用于室内场景下的运动分割，并提出了第一个事件数据集 - EV-IMO。该研究基于使用低参数神经网络结构在事件数据上实施 SfM 学习流程的高效实现。在 EV-IMO 数据集上，该方法优于其他竞争者，并适用于机 - CVPRShape2Motion：对 3D 形状的动态部件和属性进行联合分析
针对 3D 形状的运动性分析任务，我们提出了同时进行运动部件分割和运动属性估计的联合分析方法，使用单个 3D 模型作为输入，并开发了基于深度神经网络的 Shape2Motion 算法，它包含两个网络用于移动性建议生成和移动性优化
- ECCV使用通用网络进行视差、光流或场景流估计中的遮挡、运动和深度边界
本文提出了一种基于学习的方法，可以联合估计离散或光流下的遮挡区域，通过估计遮挡和运动边界的线性提升结果，同时提供了基于 KITTI 基准测试的最新网络和良好的通用性能。而通过利用估计的遮挡，我们还展示了运动分割和场景流估计的改进结果。
- CVPR学习 3D 点云中的场景流
本研究提出了一种新颖的神经网络模型 FlowNet3D，该模型旨在从点云数据中学习场景流，该模型可以通过扫描定位和运动分割等多种应用，对 Lidar 扫描等多种实际场景进行高效准确的场景流处理。
- CVPR利用互补的几何模型进行运动分割
本文介绍了一种结合多种模型的多视角谱聚类框架，旨在解决 fundamental matrix 在运动分割中的缺陷，通过测试运动分割数据集，我们证明了这一方法在实际应用中的有效性。
- MODNet: 具备运动和外观的自动行驶移动物体检测网络
该文章提出了一种新型的多任务学习系统，将外观和运动线索相结合，以更好地对环境进行语义推理，其中介绍了一种联合车辆检测和运动分割的统一架构，并使用 KITTI 数据集评估了该方法，在运动检测任务上的性能优于其他利用运动线索方法 21.5％，在 - CVPR快速多帧立体场景流与运动分割
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 - 运动分割的高阶最小成本提升多切割
该论文针对运动分割中的局限性提出了一种基于超图的最小成本量切割方法和相应的启发式算法，准确构建出点轨迹的高阶图形模型，以更好地区分运动模型的不同变换，结果在 FBMS-59 数据集上表现优于现有技术。
- 运动分割的详细评分标准
这篇论文介绍了针对运动分割问题不同的定义会导致不同的算法和需求不同的数据集，为了使得算法的意图更加明确，作者提供了一个精确的运动分割定义，并提供了三个新版本的数据集与其兼容，希望这个更为详细的定义和数据集可以使得人们更有意义地比较不同的运动 - ECCV从 RGB-D 视频中重建带骨骼的关节式模型
该研究提出了一种使用深度数据构建可追踪的关节对象完整绑定形式建模的方法，该方法包括 deformable mesh tracking，motion segmentation，spectral clustering，嵌入式骨架和蒙皮权重。
- 物体级别视频分割的物体检测、跟踪和运动分割
该论文提出了一种用于视频中物体分割的方法，结合了帧级物体检测与物体跟踪、运动分割等概念，提取了基于现成检测器的时间一致性物体管，结合运动线索提供视频分割，克服了弱监督 / 无监督视频分割的典型问题，并提供每个对象的精确、时间一致的分割。
- 一个概率模型：基于因果关系的移动相机视频运动分割
本研究基于第一原理推导出新的似然函数，使用角度和光流大小的新组合来最大化关于物体真实运动的信息，开发了一种运动分割算法，比当前最先进的方法提高了很大的准确率，并在两个已建立的基准测试和一个新的伪装动物数据集上进行了对比。
- ICCV使用光流方向进行移动相机视频的连贯运动分割
本文提出了一种运动分割算法，通过使用光流方向代替完整的光流向量，以及使用概率模型自动估计观测到的独立运动数量，实现了对具有相似世界实际运动的像素进行聚类，从而有效避免了景深不同导致的深度相关分割。该系统在多个基准测试视频中表现出鲁棒性，特别 - 用于机械化定位行走任务的全身姿态分类学
该研究利用机器人抓取领域的成功思路，提出了一种面向人形机器人的全身姿态情况分类系统，分类出人形机器人在环境互动中可能存在的姿势，使其在执行多接触的行走和操纵任务时更稳定、更具鲁棒性，并基于该分类法实现了基于运动捕捉数据的姿态分割技术。
- NIPS贪心子空间聚类
本文提出了新的便捷高效的算法来解决低维线性子空间聚类问题，并通过统计分析证明算法在某些条件下保证精确的聚类性能，并在模拟数据和真实数据上进行了实验验证。
- 通过本地最佳配平面的混合线性建模
提出了一种基于几何的简单快速的方法，通过仿射子空间的并集来建模数据，并利用贪婪选择或谱方法进一步处理子空间集以生成最终模型，可应用于基于跟踪的运动分割和不同光照条件下的面部聚类。
- ICCV核谱曲率聚类 (KSCC)
利用核函数的奇技淫巧在嵌入空间下将多流形建模问题转化为混合线性建模问题，并提出了一种名为 Kernel Spectral Curvature Clustering 的算法，能够通过光谱聚类方法从多方面的相似性中将多种动作区分开来。