論文の概要: STC-Flow: Spatio-temporal Context-aware Optical Flow Estimation

• arxiv url: http://arxiv.org/abs/2003.00434v2
• Date: Tue, 3 Nov 2020 09:11:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 13:02:52.800059
• Title: STC-Flow: Spatio-temporal Context-aware Optical Flow Estimation
• Title（参考訳）: STC-Flow:時空間対応光フロー推定
• Authors: Xiaolin Song, Yuyang Zhao, and Jingyu Yang
• Abstract要約: 光フロー推定のための時空間ネットワーク STC-Flow を提案する。 STC-Flowには、ピラミッド空間コンテキストモジュール、時間コンテキスト相関モジュール、残留コンテキストアップサンプリングモジュールの3つの重要なコンテキストモジュールが含まれている。 実験結果から,提案手法は,SintelデータセットとKITTI 2012/2015データセットに基づく2フレーム方式の最先端性能を実現することが示唆された。
• 参考スコア（独自算出の注目度）: 13.649566468445258
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a spatio-temporal contextual network, STC-Flow, for optical flow estimation. Unlike previous optical flow estimation approaches with local pyramid feature extraction and multi-level correlation, we propose a contextual relation exploration architecture by capturing rich long-range dependencies in spatial and temporal dimensions. Specifically, STC-Flow contains three key context modules - pyramidal spatial context module, temporal context correlation module and recurrent residual contextual upsampling module, to build the relationship in each stage of feature extraction, correlation, and flow reconstruction, respectively. Experimental results indicate that the proposed scheme achieves the state-of-the-art performance of two-frame based methods on the Sintel dataset and the KITTI 2012/2015 datasets.
• Abstract（参考訳）: 本稿では,光フロー推定のための時空間時空間ネットワーク STC-Flow を提案する。 局所ピラミッド特徴抽出と多レベル相関を用いた従来の光フロー推定手法とは異なり,空間的および時間的次元のリッチな長距離依存性を捉えた文脈関係探索アーキテクチャを提案する。 具体的には、STC-Flowは、3つの重要なコンテキストモジュールを含む:ピラミッド空間コンテキストモジュール、時間的コンテキスト相関モジュール、および繰り返し残余コンテキストアップサンプリングモジュールで、それぞれ特徴抽出、相関、フロー再構成の各ステージで関係を構築する。 実験結果から,提案手法は,SintelデータセットとKITTI 2012/2015データセットに基づく2フレーム方式の最先端性能を実現することが示唆された。

関連論文リスト

• Cross Space and Time: A Spatio-Temporal Unitized Model for Traffic Flow Forecasting [16.782154479264126]
  時間的要因間の複雑な相互作用により、バックボーン・時間的トラフィックフローを予測することが課題となる。 既存のアプローチでは、これらの次元を分離し、重要な相互依存を無視している。 本稿では,空間的および時間的依存関係の両方をキャプチャする統合フレームワークであるSanonymous-Temporal Unitized Unitized Cell (ASTUC)を紹介する。
  論文  参考訳（メタデータ） (2024-11-14T07:34:31Z)
• DSLO: Deep Sequence LiDAR Odometry Based on Inconsistent Spatio-temporal Propagation [66.8732965660931]
  本稿では,LiDAR odometry DSLO の非一貫性時間伝搬に基づく3次元点列学習モデルを提案する。 ピラミッド構造で、シーケンシャルなポーズモジュール、階層的なポーズリファインメントモジュール、時間的特徴伝搬モジュールで構成されている。
  論文  参考訳（メタデータ） (2024-09-01T15:12:48Z)
• Hierarchical Temporal Context Learning for Camera-based Semantic Scene Completion [57.232688209606515]
  カメラによるセマンティックシーンの補完を改善するための,新たな時間的文脈学習パラダイムであるHTCLを提案する。 提案手法は,Semantic KITTIベンチマークで1st$をランク付けし,mIoUの点でLiDARベースの手法を超えている。
  論文  参考訳（メタデータ） (2024-07-02T09:11:17Z)
• TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
  本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。 時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。 並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
  論文  参考訳（メタデータ） (2024-04-15T06:01:48Z)
• OpenSTL: A Comprehensive Benchmark of Spatio-Temporal Predictive Learning [67.07363529640784]
  提案するOpenSTLは,一般的なアプローチを再帰的モデルと再帰的モデルに分類する。 我々は, 合成移動物体軌道, 人間の動き, 運転シーン, 交通流, 天気予報など, さまざまな領域にわたるデータセットの標準評価を行う。 リカレントフリーモデルは、リカレントモデルよりも効率と性能のバランスが良いことがわかった。
  論文  参考訳（メタデータ） (2023-06-20T03:02:14Z)
• SSTM: Spatiotemporal Recurrent Transformers for Multi-frame Optical Flow Estimation [0.0]
  クローズド領域および外界領域における光流量推定は、光流量推定アルゴリズムの現在の重要な限界の2つである。 最近の最先端の光学フロー推定アルゴリズムは、連続した画像対ごとに連続して光フローを推定する2フレームベースの手法である。 多フレーム画像列から2つ以上の連続する光フローを並列に推定する学習型多フレーム光フロー推定法を提案する。
  論文  参考訳（メタデータ） (2023-04-26T23:39:40Z)
• A Correlation Information-based Spatiotemporal Network for Traffic Flow Forecasting [4.933291769305828]
  交通パターンを予測するための新しい相関情報に基づく時間ネットワーク(CorrSTN)を提案する。 特に,最新のモデルであるASTGNNを12.7%,14.4%,27.4%,MAE,RMSE,MAPEをそれぞれ改善した。
  論文  参考訳（メタデータ） (2022-05-20T04:38:49Z)
• Detail Preserving Residual Feature Pyramid Modules for Optical Flow [3.3301533805099357]
  RFPM(Residual Feature Pyramid Module)は、光学フロー推定の全体的な反復的精細化設計を変更することなく、特徴マップに重要な詳細を保持できる。 その結果, RFPMはフローエラーを視覚的に低減し, Sintel のクリーンパスにおける最先端性能を向上することがわかった。
  論文  参考訳（メタデータ） (2021-07-23T01:53:04Z)
• STaRFlow: A SpatioTemporal Recurrent Cell for Lightweight Multi-Frame Optical Flow Estimation [64.99259320624148]
  マルチフレーム光フロー推定のための軽量CNNアルゴリズムを提案する。 結果のSTaRFlowアルゴリズムは、MPI SintelとKitti2015で最先端のパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2020-07-10T17:01:34Z)
• FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for Optical Flow Estimation [72.41370576242116]
  フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。 ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。 実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
  論文  参考訳（メタデータ） (2020-01-17T07:13:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。