深度运动边界检测
计算机视觉与模式识别
2018-04-16 v1
摘要
运动边界检测是一个关键且具有挑战性的问题。现有方法侧重于分析光流场的梯度和分布，或使用手工特征进行运动边界学习。本文提出首个专用于运动边界检测的端到端深度学习方法，称之为 MoBoNet。我们引入一种细化网络结构，以源输入图像、初始前向与后向光流以及相应的扭曲误差作为输入，生成高分辨率运动边界。此外，我们表明通过所设计的融合子网络，获得的运动边界可反过来引导光流以消除伪影。所提出的 MoBoNet 具有通用性，可与任意光流配合使用。我们的运动边界检测与细化光流估计取得了优于当前最优方法的结果。
引用
@article{arxiv.1804.04785,
title = {Deep Motion Boundary Detection},
author = {Xiaoqing Yin and Xiyang Dai and Xinchao Wang and Maojun Zhang and Dacheng Tao and Larry Davis},
journal= {arXiv preprint arXiv:1804.04785},
year = {2018}
}
备注
17 pages, 5 figures