无监督光流中的关键因素分析
计算机视觉与模式识别
2020-08-17 v2 机器学习
图像与视频处理
摘要
我们系统比较并分析了无监督光流中的一组关键组件，以确定哪种光度损失、遮挡处理和平滑正则化最为有效。在此研究之外，我们构建了若干对无监督光流模型的新型改进，例如代价体归一化、在遮挡掩码处停止梯度、在上采样流场前鼓励平滑，以及利用图像缩放的持续自监督。通过将研究结果与改进的模型组件结合，我们提出了一种新无监督光流技术，其显著优于先前的无监督 SOTA，并在 KITTI 2015 数据集上与有监督 FlowNet2 表现相当，同时比相关方法显著更简单。
引用
@article{arxiv.2006.04902,
title = {What Matters in Unsupervised Optical Flow},
author = {Rico Jonschkowski and Austin Stone and Jonathan T. Barron and Ariel Gordon and Kurt Konolige and Anelia Angelova},
journal= {arXiv preprint arXiv:2006.04902},
year = {2020}
}
备注
Accepted at ECCV 2020 (Oral). Source code is available at https://github.com/google-research/google-research/tree/master/uflow