Cubes3D：基于神经网络的全景图像场景光流估计
计算机视觉与模式识别
2018-12-07 v2
摘要
使用卷积神经网络（CNNs）的光流估计近来已成功解决计算机视觉的各类任务。本文中，我们将一种最先进的光流估计方法适配到全景图像。我们研究 CNN 架构以确定由鱼眼图像几何引起的高运动变化。进一步我们确定纹理对非刚性物体上运动向量的定性影响。为评估结果，我们合成生成真实运动场。真实数据包含带静态背景的立方体。我们通过常用误差指标测试预训练 FlowNet 2.0 架构的变体。我们对运动物体上具有非均匀纹理的前景运动生成了具有竞争力的结果。
引用
@article{arxiv.1804.09004,
title = {Cubes3D: Neural Network based Optical Flow in Omnidirectional Image Scenes},
author = {André Apitzsch and Roman Seidel and Gangolf Hirtz},
journal= {arXiv preprint arXiv:1804.09004},
year = {2018}
}
备注
ICPRAI 2018