重复运动估计
计算机视觉与模式识别
2018-06-20 v1
摘要
视觉重复现象在我们的世界中无处不在。它出现在人类活动(运动、烹饪)、动物行为(蜜蜂的摇摆舞)、自然现象(风中的树叶)以及城市环境(闪烁的灯光)中。从真实视频中估计视觉重复具有挑战性，因为周期性运动很少是完美静态且平稳的。为了更好地处理真实视频，我们放宽了现有工作常做的静态和平稳假设。我们基于周期运动理论建立的时空滤波方法，能有效处理多种外观变化且无需学习。从三维运动出发，我们通过将运动场分解为其基本分量，推导出三种周期运动类型。此外，由场的时间动力学涌现出三种时间运动连续性。对于三维运动的二维感知，我们考虑相对于运动的视点；由此产生18种循环运动感知情形。为在所有情况下估计重复，我们的理论意味着构建差分运动图(梯度、散度和旋度)的混合。我们用小波滤波器对运动图进行时间卷积以估计周期性动力学。我们的方法能够直接从密集计算于运动图上的时间滤波器响应中空间分割重复运动。为实验验证我们的论断，我们使用了新颖的重复估计数据集，该数据集通过非静态和非平稳重复运动更好地反映现实。在重复计数任务上，与深度学习替代方案相比我们获得了更优的结果。
引用
@article{arxiv.1806.06984,
title = {Repetition Estimation},
author = {Tom F. H. Runia and Cees G. M. Snoek and Arnold W. M. Smeulders},
journal= {arXiv preprint arXiv:1806.06984},
year = {2018}
}