用于航拍视频平面单应性估计的知识丰富序列模型学习
计算机视觉与模式识别
2023-04-07 v1
摘要
本文提出一种无监督方法，利用原始航拍视频学习估计连续视频帧间的平面单应变换。先前基于学习的估计器在图像对上估计其平面单应变换，但存在严重的过拟合问题，尤其在应用于航拍视频时。为解决该问题，我们开发了直接处理视频帧序列并批量估计其成对平面单应变换的序列估计器。我们还引入一组时空知识以正则化此类序列到序列模型的学习。我们收集了一组具有挑战性的航拍视频，并将所提方法与替代算法比较。实证研究表明，我们的序列模型相较基于图像的替代方法取得显著改进，且知识丰富的正则化进一步提升了系统性能。我们的代码与数据集可在 https://github.com/Paul-LiPu/DeepVideoHomography 获取。
引用
@article{arxiv.2304.02715,
title = {Learning Knowledge-Rich Sequential Model for Planar Homography Estimation in Aerial Video},
author = {Pu Li and Xiaobai Liu},
journal= {arXiv preprint arXiv:2304.02715},
year = {2023}
}
备注
Accepted by 2020 25th International Conference on Pattern Recognition (ICPR) 2021