光流
文章平均质量分 94
Javier.Lin_HUST
华科在读博士,研究方向:人工智能,自动驾驶,3DV,同时也对GNSS精密定位感兴趣(作为主要参与人参加过航天科工相关项目)。参加过大创,数学建模竞赛等比赛,以及参与过国家自然科学基金等项目。欢迎交流~
展开
-
[论文翻译]SKFlow: Learning Optical Flow with Super Kernels
光流估计是计算机视觉中一个经典而又具有挑战性的任务。准确预测光流的一个重要因素是缓解帧间遮挡。然而,由于缺乏足够的局部信息对遮挡区域进行建模,目前性能较好的光流估计方法仍然是一个棘手的问题。在本文中,我们提出了超级核流网络( Super Kernel Flow Network,SKFlow ),一种CNN结构来改善遮挡对光流估计的影响。SKFlow得益于超核带来的扩大的感受野来补充缺失的匹配信息并恢复被遮挡的运动。我们利用锥形连接和混合深度卷积提出了高效的超核设计。原创 2023-07-17 23:43:28 · 431 阅读 · 0 评论 -
[论文翻译]UPFlow: Upsampling Pyramid for Unsupervised Optical Flow Learning
我们通过改进金字塔网络的上采样和学习,提出了一种用于光流估计的无监督学习方法。我们设计了一个自引导上采样模块来解决金字塔层级间双线性上采样导致的插值模糊问题。此外,我们提出了一种金字塔蒸馏损失,通过蒸馏最精细的流作为伪标签来增加对中间级别的监督。通过将这两个组件集成在一起,我们的方法在多个领先的基准测试集上获得了最佳的无监督光流学习性能,包括MPI - SIntel、KITTI 2012和KITTI 2015。原创 2023-06-25 21:44:44 · 366 阅读 · 0 评论 -
[论文翻译]Global Matching with Overlapping Attention for Optical Flow Estimation
光流估计是计算机视觉中的一项基本任务。最近使用深度神经网络的直接回归方法取得了显著的性能提升。然而,它们没有显式地捕获长期的运动对应关系,因此不能有效地处理大运动。在本文中,受传统匹配优化方法的启发,即在基于能量的优化之前引入匹配来处理大位移,我们在直接回归之前引入了一个简单但有效的全局匹配步骤,并开发了一个基于学习的匹配优化框架,即GMFlowNet。在GMFlowNet中,全局匹配通过在4D代价体上应用argmax进行高效计算。此外,为了提高匹配质量,我们。原创 2023-05-22 17:02:26 · 473 阅读 · 1 评论 -
[论文翻译]Learning to Estimate Hidden Motions with Global Motion Aggregation(ICCV 2021)
杰弗里·辛顿在其1976年的第一篇论文中写道:"局部歧义必须通过找到最好的全局解释来解决" [ 13 ]。这一思想在现代深度学习时代依然成立。为了解决遮挡导致的歧义,我们的核心思想是允许网络在更高的层次上进行推理,即全局聚合相似像素的运动特征,隐含地推理出哪些像素在外观特征空间中相似。我们假设网络将能够通过寻找参考帧中具有相似外观的点来找到具有相似运动的点。这是由于观察到单个物体上的点的运动往往是均匀的。例如,向右运行的人的运动矢量有向右的偏向,即使我们看不到很大一部分人由于遮挡而在匹配帧中结束。原创 2023-03-23 18:57:25 · 349 阅读 · 0 评论