MirrorFlow：利用对称性联合估计光流与遮挡

光流估计是计算机视觉中研究最广泛的问题之一，然而最近的基准数据集不断揭示当前方法的问题所在。遮挡一直是最关键的挑战之一。在本文中，我们提出了一种对称光流方法，以解决光流与遮挡之间众所周知的“鸡生蛋，蛋生鸡”关系。与许多将遮挡视为异常值并可能在后处理中将其滤除的 SOTA 方法不同，我们强调了在优化中进行联合遮挡推理的重要性，并展示了如何将遮挡作为估计光流的重要线索。我们模型的核心特征是充分利用了连续两幅图像中光流与遮挡所特有的对称性质。具体而言，通过在能量函数中利用前后向一致性和遮挡-去遮挡对称性，我们的模型联合估计了前向和后向的光流，以及两个视图中一致的遮挡图。我们在标准基准上展示了显著的性能优势，尤其是得益于遮挡-去遮挡对称性。在极具挑战性的 KITTI 数据集上，我们报告了迄今为止最准确的双帧结果。