MaskFlownet：具有可学习遮挡掩码的非对称特征匹配
计算机视觉与模式识别
2020-08-12 v2
摘要
特征扭曲是光流估计中的核心技术；然而，扭曲过程中被遮挡区域引起的歧义是一个尚未解决的主要问题。本文中，我们提出一个非对称遮挡感知特征匹配模块，它可以在特征扭曲后无需任何显式监督即可学习一个粗略的遮挡掩码，立即过滤无用（被遮挡）区域。所提模块可轻松集成到端到端网络架构中，并在引入可忽略的计算成本的同时获得性能提升。学习到的遮挡掩码可进一步输入到后续具有双特征金字塔的网络级联中，借此我们实现了最先进的性能。在提交时，我们称为 MaskFlownet 的方法在 MPI Sintel、KITTI 2012 和 2015 基准上超越了所有已发表的光流方法。代码见 https://github.com/microsoft/MaskFlownet。
引用
@article{arxiv.2003.10955,
title = {MaskFlownet: Asymmetric Feature Matching with Learnable Occlusion Mask},
author = {Shengyu Zhao and Yilun Sheng and Yue Dong and Eric I-Chao Chang and Yan Xu},
journal= {arXiv preprint arXiv:2003.10955},
year = {2020}
}
备注
CVPR 2020 (Oral)