InterpoNet：一种受大脑启发的光流稠密插值神经网络
计算机视觉与模式识别
2017-02-27 v3
摘要
光流的稀疏到稠密插值是大多数领先光流估计算法流程中的一个基础阶段。当前最先进的插值方法 EpicFlow 是一种基于边缘感知测地距离的局部平均方法。我们提出一种基于全卷积网络的、数据驱动的稀疏到稠密插值新算法。我们从视觉皮层的填充过程中汲取灵感，并在学习过程中引入了神经元间的横向依赖和多层监督。我们还展示了图像轮廓对学习过程的重要性。我们的方法具有鲁棒性，在多个底层匹配算法下，于竞争性光流基准上优于 EpicFlow。这带来了在 Sintel 和 KITTI 2012 基准上的最先进性能。
引用
@article{arxiv.1611.09803,
title = {InterpoNet, A brain inspired neural network for optical flow dense interpolation},
author = {Shay Zweig and Lior Wolf},
journal= {arXiv preprint arXiv:1611.09803},
year = {2017}
}
备注
16 pages, 11 figures, 8 tables