考虑遮挡的无监督光流学习
计算机视觉与模式识别
2018-04-05 v2
摘要
最近研究表明，卷积神经网络可以通过无监督学习来估计光流。然而，无监督方法的性能与其有监督对应方法相比仍存在较大差距。遮挡和大运动是当前无监督光流学习方法的主要限制因素之一。在本工作中，我们提出了一种显式建模遮挡的新方法，以及一种有助于学习大运动的新的扭曲方式。我们的方法在 Flying Chairs、MPI-Sintel 和 KITTI 基准数据集上展示了有前景的结果。特别是在存在大量无标注样本的 KITTI 数据集上，我们的无监督方法优于以有监督学习训练的方法。
引用
@article{arxiv.1711.05890,
title = {Occlusion Aware Unsupervised Learning of Optical Flow},
author = {Yang Wang and Yi Yang and Zhenheng Yang and Liang Zhao and Peng Wang and Wei Xu},
journal= {arXiv preprint arXiv:1711.05890},
year = {2018}
}
备注
CVPR 2018 Camera-ready