用于光流估计的金字塔梯度匹配
计算机视觉与模式识别
2017-04-12 v1
摘要
通过稀疏描述子匹配或稠密块匹配来初始化光流场已被证明对捕获大位移特别有用。本文提出一种金字塔梯度匹配方法，可为高精度高效的光流估计提供稠密匹配。我们方法的新颖之处在于利用图像梯度描述图像块，并被证明能够产生鲁棒匹配。因此，我们的方法比采用特殊特征（如 SIFT）或块距离度量的方法更高效。此外，我们发现图像梯度对于光流估计具有可扩展性，这意味着我们可以使用不同层次的梯度特征（例如，全梯度或仅梯度方向信息）来获得不同的复杂度，而精度无剧烈变化。另一贡献是通过深入分析揭示了有限 PatchMatch 的奥秘，并基于这些奥秘设计了金字塔匹配框架。我们的金字塔匹配框架旨在实现鲁棒梯度匹配，并能有效增加内点并剔除外点。在此框架中，我们提出了一些用于梯度匹配中外点滤波的特殊增强。通过使用我们的匹配初始化 EpicFlow，实验结果表明我们的方法高效且鲁棒（在 MPI Sintel 数据集的 clean pass 和 final pass 上均排名已发表方法第一）。
引用
@article{arxiv.1704.03217,
title = {Pyramidal Gradient Matching for Optical Flow Estimation},
author = {Yuanwei Li},
journal= {arXiv preprint arXiv:1704.03217},
year = {2017}
}
备注
This work was finished in August 2016 and then submitted to IEEE PAMI in August 17,2016 and submitted to IEEE TIP in April 9,2017 after revising