HMFlow：面向小而快动物体的混合匹配光流网络
计算机视觉与模式识别
2020-11-20 v1
摘要
在光流估计任务中，由粗到细（C2F）扭曲策略被广泛用于处理大位移问题并提供效率与速度。然而，受限于第一幅图像与扭曲后第二幅图像间较小的搜索范围，当前的由粗到细光流网络无法捕捉在粗分辨率层级消失的小而快动物体。为解决此问题，我们引入一个轻量但高效的全局匹配组件（GMC）来获取全局匹配特征。我们通过将 GMC 无缝集成到现有由粗到细网络中，提出了一种新的混合匹配光流网络（HMFlow）。在保持高精度与小模型尺寸的同时，我们所提 HMFlow 可应用全局匹配特征引导网络发现被局部匹配特征错配的小而快动物体。我们还构建了一个名为小而快动椅子（SFChairs）的新数据集用于评估。实验结果表明，我们所提网络取得了可观的性能，尤其在含小而快动物体的区域。
引用
@article{arxiv.2011.09654,
title = {HMFlow: Hybrid Matching Optical Flow Network for Small and Fast-Moving Objects},
author = {Suihanjin Yu and Youmin Zhang and Chen Wang and Xiao Bai and Liang Zhang and Edwin R. Hancock},
journal= {arXiv preprint arXiv:2011.09654},
year = {2020}
}
备注
8 pages, 10 figures