通过时空对应桥接立体匹配与光流
计算机视觉与模式识别
2019-05-23 v1
摘要
立体匹配与光流估计是场景理解的两个基本任务，分别对应于空间上的三维与运动上的时间维度。由于获取大规模真值数据的资源有限，现有方法多聚焦于无监督设定。为构建可自学习的优化目标，常将相关任务联系起来形成联合框架。然而，先前工作通常为每个任务使用独立网络，从而无法跨模型学习共享特征表示。本文中，我们提出一个单一且原理清晰的网络，联合学习用于立体匹配与光流估计的时空对应，并以新设计的几何连接作为相邻时间立体图像对的无人监督信号。我们表明，在 KITTI 基准数据集上，我们的方法在无监督深度与光流估计方面均优于若干最先进基线。
引用
@article{arxiv.1905.09265,
title = {Bridging Stereo Matching and Optical Flow via Spatiotemporal Correspondence},
author = {Hsueh-Ying Lai and Yi-Hsuan Tsai and Wei-Chen Chiu},
journal= {arXiv preprint arXiv:1905.09265},
year = {2019}
}
备注
Accepted in CVPR'19. Code and model are available at: https://github.com/lelimite4444/BridgeDepthFlow