目录
- [1] MARMVS: Matching Ambiguity Reduced Multiple View Stereo for Efficient Large Scale Scene Reconstruction
- [2] Upgrading Optical Flow to 3D Scene Flow through Optical Expansion
- [3] Context Prior for Scene Segmentation
- [4] CascadePSP: Toward Class-Agnostic and Very High-Resolution Segmentation via Global and Local Refinement
- 总结
[1] MARMVS: Matching Ambiguity Reduced Multiple View Stereo for Efficient Large Scale Scene Reconstruction
- task:Multiple View Stereo
- motivation:匹配的歧义性
- method:通过合理地选取尺度和视角解决歧义问题,通过曲率分析,选择尺度。
[2] Upgrading Optical Flow to 3D Scene Flow through Optical Expansion
- 出自CMU,Oral
- Optical Expansion:一个快速向你跑过来,他的像素会将背景遮盖掉。
- challenge:基于单目相机估计3D motion是ill-posed。
- motivation:已有方法需要较强的先验假设,本文不想设置先验假设。
- method:使用optical flow估计2D offset,使用optical expansion估计a relative scale change,将二者结合,得到3D scene flow。
- 核心:使用几何方式减少求解自由度。
[3] Context Prior for Scene Segmentation
- 出自阿德莱德沈春华老师。
- motivation:不可靠的上下文信息带来错误的分割结果。
- 核心:区别类内、类间上下文。
[4] CascadePSP: Toward Class-Agnostic and Very High-Resolution Segmentation via Global and Local Refinement
- motivation:down sample方法丢失细节信息,裁剪方法丢失上下文信息。
- method:在任何可能的地方做细节恢复。
- contribution1:本文方法可以对其他方法进行finetune。
- contribution2:可以产生高质量和高分辨率的分割(训练时没有使用高分辨率图像),这是以前基于深度学习的方法所不能实现的。
总结
- [2] 通过添加几何约束,减少求解问题的自由度。
- [4] 中仅使用224大小的image crop进行训练,可在4K图像上达到很好的效果,应该是由于其local setp将它们归一到同一个level上了。
- [4] 中方法的速度应该很慢,但是文中没有提及。