通过多尺度对应结构学习的深度光流估计
计算机视觉与模式识别
2017-07-25 v1
摘要
作为计算机视觉中一个重要且具有挑战性的问题，基于学习的光流估计旨在通过统计学习发现两个相邻视频帧之间的内在对应结构。因此，该领域需要解决的一个关键问题是如何以自适应的端到端学习方式有效地建模多尺度对应结构属性。受此观察启发，我们提出了一种用于光流估计的端到端多尺度对应结构学习（MSCSL）方法。原则上，所提出的MSCSL方法能够有效地从深度学习的多级特征空间中捕获多尺度图像间相关对应结构。此外，所提出的MSCSL方法构建了一个空间卷积GRU神经网络模型，以自适应地建模这些多尺度对应结构之间的内在依赖关系。最后，上述对应结构学习和多尺度依赖建模的过程在一个统一的端到端深度学习框架中实现。在多个基准数据集上的实验结果证明了所提出方法的有效性。
引用
@article{arxiv.1707.07301,
title = {Deep Optical Flow Estimation Via Multi-Scale Correspondence Structure Learning},
author = {Shanshan Zhao and Xi Li and Omar El Farouk Bourahla},
journal= {arXiv preprint arXiv:1707.07301},
year = {2017}
}
备注
7 pages, 3 figures, 2 tables