SelFlow：光流的自监督学习
计算机视觉与模式识别
2019-04-22 v1 机器学习
摘要
我们提出了一种用于光流的自监督学习方法。我们的方法从非遮挡像素中提炼出可靠的流估计，并将这些预测作为真实标签来学习被幻觉化的遮挡区域的光流。我们进一步设计了一个简单的 CNN，利用多帧的时间信息以获得更好的流估计。这两条原则构成了一种方法，在包括 MPI Sintel、KITTI 2012 和 2015 在内的具有挑战性的基准上取得了无监督光流学习的最佳性能。更值得注意的是，我们的自监督预训练模型为监督微调提供了极好的初始化。我们的微调模型在所有三个数据集上均取得了最先进的结果。在撰写本文时，我们在 Sintel 基准上实现了 EPE=4.26，优于所有已提交的方法。
引用
@article{arxiv.1904.09117,
title = {SelFlow: Self-Supervised Learning of Optical Flow},
author = {Pengpeng Liu and Michael Lyu and Irwin King and Jia Xu},
journal= {arXiv preprint arXiv:1904.09117},
year = {2019}
}
备注
Published at the Conference on Computer Vision and Pattern Recognition (CVPR 2019)