面向深度光流的联合粗-细推理
计算机视觉与模式识别
2018-08-23 v1
摘要
我们提出一种利用CNN进行稠密逐像素估计任务的新表示，通过显式利用联合粗-细推理提升精度并缩短训练时间。粗推理在离散分类空间上执行以获得总体粗略解，而解的精细细节在连续回归空间上获得。我们的方法中两组件被联合估计，这被证明有益于提升估计精度。此外，我们提出一种新网络架构，通过将精细估计视为构建于粗解之上的细化来结合粗、细组件，从而向总体预测添加细节。我们将该方法应用于具挑战性的光流估计问题，并针对从头训练且在大光流数据集上测试的顶尖基于CNN的解法进行经验验证。
引用
@article{arxiv.1808.07416,
title = {Joint Coarse-And-Fine Reasoning for Deep Optical Flow},
author = {Victor Vaquero and German Ros and Francesc Moreno-Noguer and Antonio M. Lopez and Alberto Sanfeliu},
journal= {arXiv preprint arXiv:1808.07416},
year = {2018}
}
备注
Accepted in IEEE ICIP 2017. IEEE Copyrights: Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses