基于通用网络进行视差、光流或场景流估计中的遮挡、运动与深度边界
计算机视觉与模式识别
2018-08-09 v2
摘要
遮挡在视差和光流估计中起着重要作用，因为在遮挡区域无法获得匹配代价，且遮挡指示了深度或运动边界。此外，遮挡与运动分割和场景流估计相关。在本文中，我们提出了一种高效的基于学习的方法，用于联合估计遮挡区域与视差或光流。所估计的遮挡和运动边界明显优于当前最优方法。此外，我们提出的网络在流行的 KITTI 基准上取得了当前最优性能，并具有良好的通用性能。利用估计出的遮挡，我们还展示了在运动分割和场景流估计上改进的結果。
引用
@article{arxiv.1808.01838,
title = {Occlusions, Motion and Depth Boundaries with a Generic Network for Disparity, Optical Flow or Scene Flow Estimation},
author = {Eddy Ilg and Tonmoy Saikia and Margret Keuper and Thomas Brox},
journal= {arXiv preprint arXiv:1808.01838},
year = {2018}
}
备注
Accepted to ECCV 2018 as poster. See video at: https://www.youtube.com/watch?v=SwOdSaBRysI