本文盘点了CVPR 2020中关于光流和场景流的重要论文，包括3D场景流的研究、无监督与自监督学习方法，以及在动态场景去模糊、视觉里程计等领域的应用。这些研究展示了光流技术在计算机视觉领域的持续影响力和创新。
前几天52CV曾经发布了一篇来自旷视研究员的光流技术相关的文章：光流估计网络调研，引起了大家的广泛关注，光流估计（Optical Flow estimation）在视频理解、动作识别、目标跟踪、全景拼接等领域具有重要应用，在各类视频分析任务中它反映了视频内部的运动信息，被认为是一种重要视觉线索。
光流可视化示例：
图片来自 https://github.com/PharrellWANG/optical-flow-visualization
光流估计是计算机视觉的传统方向，CVPR 2020 的经典论文奖，授予了光流领域论文：Deqing Sun，Stefan Roth和Michael J. Black的 Secrets of Optical Flow Estimation and Their Principles，发表于2010年。
光流是2D的图像运动信息，近年，光流的3D版本即场景流（Scene Flow）也开始引起大家的兴趣，场景流反应图像/点云中每个点在前后两帧的变
最低0.47元/天 解锁文章
26万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
