PatchBatch：一种用于光流的批量增强损失
计算机视觉与模式识别
2016-04-12 v2
摘要
我们提出了一种基于深度学习技术的光流计算新流程。我们建议使用孪生CNN独立且并行地计算两幅图像的描述符。然后使用L2范数高效比较学习到的描述符，且不需要对块对进行网络处理。该方法的成功基于一种创新的损失函数，该函数计算每个训练批次的损失分布的高阶矩。结合近似最近邻块匹配方法和流插值技术，在最具挑战性和竞争性的光流基准上获得了最先进的性能。
引用
@article{arxiv.1512.01815,
title = {PatchBatch: a Batch Augmented Loss for Optical Flow},
author = {David Gadot and Lior Wolf},
journal= {arXiv preprint arXiv:1512.01815},
year = {2016}
}
备注
CVPR 2016