ASFlow：基于自适应金字塔采样的无监督光流学习
计算机视觉与模式识别
2021-04-09 v1
摘要
我们提出一种无监督光流估计方法，通过在深度金字塔网络中引入自适应金字塔采样。具体而言，在金字塔下采样中，我们提出内容感知池化（CAP）模块，其通过避免跨区域池化来促进局部特征聚集，从而使所学特征更具代表性。在金字塔上采样中，我们提出自适应光流上采样（AFU）模块，可避免跨边缘插值，产生清晰的运动边界。配备这两个模块后，我们的方法在多个主流基准（包括 MPI-SIntel、KITTI 2012 与 KITTI 2015）上取得了无监督光流估计的最佳性能。特别地，我们在 KITTI 2012 上达到 EPE=1.5，在 KITTI 2015 上达到 F1=9.67%，分别比先前最优方法高出 16.7% 与 13.1%。
引用
@article{arxiv.2104.03560,
title = {ASFlow: Unsupervised Optical Flow Learning with Adaptive Pyramid Sampling},
author = {Kunming Luo and Ao Luo and Chuan Wang and Haoqiang Fan and Shuaicheng Liu},
journal= {arXiv preprint arXiv:2104.03560},
year = {2021}
}