从模糊视频中学习运动建模
计算机视觉与模式识别
2017-04-20 v1
摘要
从真实世界视频中恢复运动场是困难的，因为存在相机抖动与其他光度效应的混合。本文中，我们提出一种混合框架，交错使用卷积神经网络（CNN）与传统光流能量。我们首先采用一种新颖的可学习方向滤波层来构建CNN架构。该层编码了模糊与相机运动之间的角度和距离相似度矩阵，能够增强相机抖动视频的模糊特征。随后将提出的CNN集成到迭代光流框架中，从而能够同时建模并求解盲去卷积与光流估计问题。我们的框架在合成数据集上端到端训练，并相对于最先进方法取得了具有竞争力的精度和性能。
引用
@article{arxiv.1704.05817,
title = {Learn to Model Motion from Blurry Footages},
author = {Wenbin Li and Da Chen and Zhihan Lv and Yan Yan and Darren Cosker},
journal= {arXiv preprint arXiv:1704.05817},
year = {2017}
}
备注
Preprint of our paper accepted by Pattern Recognition