2020-07-14 CVPR2020 i3DV论文讨论（4） 笔记

[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。