引导光流学习
计算机视觉与模式识别
2017-07-04 v2
摘要
我们研究使用代理真值数据对光流估计的CNN进行无监督学习。由于巨大的学习能力，有监督CNN在包括光流预测在内的一系列计算机视觉问题上表现出优越的性能。然而，它们需要通常无法获取的真值光流，除非在有限的合成数据上。没有真值光流的指导，无监督CNN往往表现更差，因为它们天生病态。因此，我们提出了一种新颖的框架，其中使用经典方法生成的代理真值数据来指导CNN学习。模型进一步通过图像重建损失以无监督方式进行精炼。我们的引导学习方法在三个标准基准数据集上与最先进方法相当或更优，但完全无监督且可以实时运行。
引用
@article{arxiv.1702.02295,
title = {Guided Optical Flow Learning},
author = {Yi Zhu and Zhenzhong Lan and Shawn Newsam and Alexander G. Hauptmann},
journal= {arXiv preprint arXiv:1702.02295},
year = {2017}
}
备注
CVPR17 Workshop. Code available at https://github.com/bryanyzhu/GuidedNet