自监督学习方法光流估计 CNN时间信息挑战性基准测试

自监督学习光流模型的设计及应用

145710SelFlow：自监督学习光流0Pengpeng Liu †�，Michael Lyu †，Irwin King †，Jia Xu §0† 香港中文大学，§ 腾讯AI Lab0摘要0我们提出了一种自监督学习方法来学习光流。我们的方法从非遮挡像素...

用于光流估计的无监督深度学习DSTFlow

标签：深度学习计算机视觉人工智能

文章目录用于光流估计的无监督深度学习DSTFlow摘要1、简介2、相关工作2.1光流2.2从视频中学习2.3通过解开（disentangle）姿势和身份来学习网络和训练过程定位网络采样网络损失层多尺度损失累积训练实验和讨论数据集...

跨任务一致性损失的无监督学习方法用于深度预测和光流估计

标签：联合学习框架无监督学习深度预测和光流估计几何一致性

单视图深度预测和光流估计是两个高度相关的任务。然而，现有的工作往往是孤立地处理这两项任务在本文中，我们提出了一种新的跨任务一致性损失，使用未标记的单目视频来耦合这两个问题的训练。通过执行底层的几何...

基于变换的可靠监督无监督光流估计方法

标签： 1 无监督学习 2 监督转换 3 可靠性 4 多帧网络 5 深度学习效果

6489EpiFlow类比学习：基于变换的无监督光流估计的可靠监督刘亮1张江宁1何瑞飞1刘勇1 <$王亚彪2应太2罗东浩2王成杰2吉林李2黄...然而，无监督学习的目标在具有挑战性的场景中可能是不可靠的。在这项工作中，我们提出了

FlowFormer: Transformer结构光流估计

标签：算法计算机视觉机器学习

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨泡泡机器人来源丨泡泡机器人SLAM标题: FlowFormer: A Transformer Architecture for Optical Flow作者：Zachary Teed, Lahav Lipson, Jia Deng来源：...

【读论文】使用基于 CNN 的非局部滤波对光流进行无监督学习

标签： cnn 计算机视觉深度学习

Unsupervised Learning of Optical Flow With CNN-Based Non-Local Filtering翻译

LiteFlowNet: A Lightweight Convolutional Neural Network for Optical Flow Estimation Tak-Wai Hui, Xiaoou Tang, and Chen Change Loy CUHK-SenseTime Joint Lab, The Chinese University of Hong Kong IEEE ...

多帧光流估计方法MFCFlow及其在Sintel测试集上的性能优势

标签：光流估计多帧补偿遮挡问题注意力策略性能改善

5068MFCFlow：一种用于光流估计的Yonghu Chen1，2，Dongchen Zhu1，2，Wenjun Shi1，Guanghui Zhang1，Tanyu Zhang1，2，XiaolinZhang1，2，3，4，5 and Jiamao Li1，2，3，*1中国科学院上海微系统与信息技术研究所...

基于空间金字塔网络的光流估计

标签：深度学习人工智能

Optical Flow Estimation using a Spatial Pyramid Network我们学习通过结合经典的空间金字塔公式和深度学习来计算光流。通过当前流量估计和计算流量更新，在每个金字塔级别扭曲一对图像，通过从粗到细的方法估计...

CoopNet: 改善深度、里程计和光流预测的自监督协同训练方法

标签：重新平衡梯度自监督协同训练 CoopNet方法公平的学习进展

david.filliat}@ensta-paris.fr12670重新平衡梯度以改善深度、里程计和光流预测的自监督协同训练0摘要0我们提出了CoopNet，一种通过动态调整梯度分配来改善协同训练网络合作的方法，以确保公平的学习进展。...

基于Patchmatch的深度逆向光流估计方法

标签：密集相关体积方法端到端深度学习光流跨数据集泛化能力

2 刘江宇 1 王浩 1 李建坤 101 Megvii 2 腾讯0{zhengzihua, nieni, lingzhi, liujiangyu, wanghao03, lijiankun}@[email protected]摘要0最近，密集相关体积方法在光流方面取得...

尖峰相机光流估计

标签：文件标签尖峰相机光流估计新方法

）5美6）ORZ（2XUSpiking相机的光流估计胡立文1，2*，赵瑞1*，丁子洛1，雷美a1，2，<$伯新施1，2，3，熊瑞勤1，黄铁俊1，2，31北京大学2北京人工智能3北京大学摘要作为一种具有高时间分辨率的仿生传感器，尖峰相机在...

SOTA！FlowFormer: 光流估计遇上Transformer（ECCV2022）

作者|泡泡机器人编辑|泡泡机器人SLAM点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流...今天为大家带来的文章:FlowFormer: A Transformer Architecture for Optica...

视觉声源定位中基于光流的自监督方法的研究和性能分析

标签：聆听流动自监督视觉声源定位基于光流视听研究注意力图

基于光流的自监督视觉声源定位Dennis Fedorishin*Deen Dayal Mohan*Bhavin Jawade Srirangaraj Setlur美国纽约州布法罗市布法罗大学{dcfedori，dmohan，bhavinja，setlur，govind} @ buffalo.edu摘要在没有明确注释...

光流估计中可分离流：学习运动代价体积

标签：可分离流光流估计运动代价体积先验知识非局部聚合层

可分离流：学习光流估计的运动代价体积张飞虎*OliverJ.Woodford Victor Prisacariu，Philip H.S.托*牛津大学摘要全运动成本量在当前最先进的光流方法中起着核心作用。然而，使用简单的特征相关性构造，它们缺乏封装...

基于聚类的视频自监督对比学习方法：SLIC

标签：自监督学习迭代聚类人类动作视频 SLIC方法标签生成

16091SLIC：用于人类动作视频的迭代聚类自监督学习Salar Hosseini Khorasgani* Yuxuan Chen* Florian Shkurti多伦多{...其中一个关键原因是，对相似视频片段进行采样是许多自监督对比学习方法的必要步骤，目前是保守地

自监督单目深度估计相关方法研究的总结

标签： 5个标签自监督单目深度估计简单模型与设计选择

3828深入研究自监督单目深度估计Cle´ment Godard1Oisin Mac Aodha2Michael Firman3Gabriel Brostow3，11UCL2 Caltech3 Nianticwww.github.com/nianticlabs/monodepth2摘要每像素地面实况深度数据在规模上的获取具有...

自监督的环内单应模型拟合方法用于相对位姿估计

标签： 5个标签环内单应模型拟合自监督相对位姿视觉里程计竞争力深度学习估计视觉姿态

英国约克大学史密斯计算机科学系{brm512，william.smith} @ york.ac.uk摘要我们提出了一种自监督的方法，用于道路场景的相对姿态估计。通过利用局部地平面的近似平面性，我们可以使用从估计的地面相对姿态导出的单...

室内无监督视频深度学习的挑战及新方法

标签：光流训练模式室内数据集结果评估无监督深度学习方法

[email protected]，[email protected]中国北京微软研究院yuwwan，[email protected]摘要最近，视频深度的无监督学习取得了显着进展，其结果与KITTI等户外场景中的完全监督方法相当。...

深度估计器中使用Transformer进行多帧自监督训练的新方法

标签：多帧深度估计特征匹配改进自监督学习代价体积生成

1600使用Transformer的多帧自监督...0摘要0与单帧方法相比，多帧深度估计通过利用图像之间的几何关系和特征匹配来改进，而不仅仅是学习基于外观的特征。在本文中，我们重新审视了自监督单目深度估计的特征匹配，并提出

对比自监督学习中的内容保持变换引入不变性的方法总结及扩展研究

标签：对比自监督学习噪声对比学习图像域内容保持变换变换集拓展

9577对比自监督学习Mandela Patrick1，2*Yuki M.2*Kaznetsova1Ruth Fong2 JoãoF.Henriques2Geoffrey Zweig1Andrea Vedaldi1，21Facebook AI [email protected]牛津大学视觉几何组[email protected]...

核心补丁注意力学习光流-深度学习中的新方法

标签：核心补丁注意力光流定量运动估计空间亲和性局部上下文关系密集匹配

89060使用核心补丁注意力学习光流0罗傲 1 杨帆 2 李鑫 2 刘帅成 3,1*01 Megvii Technology 2 Group 42 3 University ofElectronic Science and Technology of China0摘要0光流是一种在图像平面...

"DeFeat-Net: 无监督表示学习和鲁棒深度估计的跨域网络

标签：无监督深度估计 DeFeat-Net 鲁棒性特征学习挑战性场景

{jaime.spencer, r.bowden, s....这些方法缺乏鲁棒性，无法推广到挑战性的领域，如夜间场景或恶劣的天气条件，其中关于光度一致性的假设会失效。我们提出了DeFeat-Net（深度和特征网络），一种同时学习跨域密集特征

PanoFlow：学习360°用于周围时间理解的光流

标签：学习

光流估计是自动驾驶和机器人系统中的一项基本任务，它能够在时间上解释交通场景。自动驾驶汽车显然受益于360提供的超宽视野（FoV）◦ 全景传感器。然而，由于全景相机独特的成像过程，为针孔图像设计的模型并不能...

自监督学习的密集视觉预训练框架——DenseCL

标签：视觉信息学7 研究文章自监督学习密集预测任务作者单位

视觉信息学7（2023）30研究文章DenseCL：一个简单...迄今为止，大多数现有的自监督学习方法都是针对图像分类而设计和优化的。由于图像级预测和像素级预测之间的差异，这些预先训练的模型对于密集预测任务可能是次优的。

LiteFlowNet3：解决对应歧义以获得更准确的光流估计

标签：计算机视觉深度学习人工智能

LiteFlowNet3: Resolving Correspondence Ambiguity for More Accurate Optical Flow Estimation Tak-Wai Hui, Chen Change Loy 我们介绍了 ...</u> (2) 我们通过探索局部流的一致性来进一步提高流的准确性。

基于运动恢复结构的自适应光流场估计方法

标签：运动恢复自适应光流场估计结构特征匹配相机姿势潜在线索刚性场景重建

基于运动恢复结构的自适应光流场估计DanielMaurer1[0000−0002−3835−2138]、 Nico Marniok2、BastianGoldluecke2[0000−0003−3427−4029]和Andr´...许多最近的基于能量的光流估计方法依赖于通常由某种特征匹配提供

混合CNN CRF立体声估计模型：一个新的和原则性的方法

标签：立体声 CNN CRF模型结构化输出支持向量机数据驱动方法鲁棒性

波克1，[email protected]格拉茨理工大学计算机图形与视觉学院摘要2视觉、自动化控制中心AIT奥地利理工我们提出了一种新的和原则性的混合CNN+CRF立体声估计模型。我们的模型允许在统一的方法中利用卷积神经网络...

UnFlow：具有双向普查损失的光流的无监督学习

标签：深度学习计算机视觉机器学习

UnFlow: Unsupervised Learning of Optical Flow with a Bidirectional Census Loss Simon Meister, Junhwa Hur, Stefan Roth Department of Computer Science TU Darmstadt, Germany

无监督光流学习中的全局几何约束和多运动的处理

标签：静态或动态场景无监督深度学习全局几何约束

12095静态或动态场景钟怡然1，4，5，潘骥2，王建元1，3，戴玉超3，李洪东1，41澳大利亚国立大学，2NEC美国实验室，3西北工业大学...在本文中，我们提出了Deep Epipo- lar Flow，这是一种无监督的光流方法，它将全局几何