利用语义分割的级联场景流预测
计算机视觉与模式识别
2017-10-09 v2
摘要
给定来自一对立体相机的两个连续帧，三维场景流方法同时估计观测场景的三维几何与运动。许多现有方法使用超像素进行正则化，但可能在刚性运动物体内部预测出不一致的形状与运动。我们转而假设场景由在静态背景前刚性运动的前景物体组成，并利用语义线索生成像素级精确的场景流估计。我们的级联分类框架通过迭代优化语义分割掩膜、立体对应关系、三维刚性运动估计和光流场，精确地对三维场景建模。我们在具有挑战性的KITTI自动驾驶基准上评估了我们的方法，并表明考虑分割车辆的运动可带来最先进的性能。
引用
@article{arxiv.1707.08313,
title = {Cascaded Scene Flow Prediction using Semantic Segmentation},
author = {Zhile Ren and Deqing Sun and Jan Kautz and Erik B. Sudderth},
journal= {arXiv preprint arXiv:1707.08313},
year = {2017}
}
备注
International Conference on 3D Vision (3DV), 2017 (oral presentation)