面向光流的能量基修复学习
计算机视觉与模式识别
2018-11-12 v1
摘要
现代光流方法通常由许多独立步骤级联而成，或被表述为难以解释和分析的黑盒神经网络。在本工作中，我们寻求一种简洁、可解释但可学习的解决方案。我们提出了一种新颖的基于修复的算法，该算法分三步处理问题：特征选择与匹配、支持点选择以及基于能量的修复。为促进推断，我们提出了一种优化层，允许通过一阶方法的 10K 次迭代进行反向传播，而没有任何数值或内存问题。与近期最先进的网络相比，我们的模块化 CNN 非常轻量，并与其他更复杂的基于修复的方法具有竞争力。
引用
@article{arxiv.1811.03721,
title = {Learning Energy Based Inpainting for Optical Flow},
author = {Christoph Vogel and Patrick Knöbelreiter and Thomas Pock},
journal= {arXiv preprint arXiv:1811.03721},
year = {2018}
}