論文の概要: UPFlow: Upsampling Pyramid for Unsupervised Optical Flow Learning

• arxiv url: http://arxiv.org/abs/2012.00212v1
• Date: Tue, 1 Dec 2020 01:57:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-30 19:52:38.128486
• Title: UPFlow: Upsampling Pyramid for Unsupervised Optical Flow Learning
• Title（参考訳）: UPFlow: 教師なし光学フロー学習のためのアップサンプリングピラミッド
• Authors: Kunming Luo, Chuan Wang, Shuaicheng Liu, Haoqiang Fan, Jue Wang, Jian Sun
• Abstract要約: 光フロー推定のための教師なし学習手法を提案する。 我々は,ピラミッド間の双線形アップサンプリングによるぼやけた問題に対処するために,自己誘導型アップサンプルモジュールを設計する。 本研究では, 微粒な流動を擬似ラベルとして蒸留することにより, 中間層を監督するピラミッド蒸留損失を提案する。
• 参考スコア（独自算出の注目度）: 34.580309867067946
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present an unsupervised learning approach for optical flow estimation by improving the upsampling and learning of pyramid network. We design a self-guided upsample module to tackle the interpolation blur problem caused by bilinear upsampling between pyramid levels. Moreover, we propose a pyramid distillation loss to add supervision for intermediate levels via distilling the finest flow as pseudo labels. By integrating these two components together, our method achieves the best performance for unsupervised optical flow learning on multiple leading benchmarks, including MPI-SIntel, KITTI 2012 and KITTI 2015. In particular, we achieve EPE=1.4 on KITTI 2012 and F1=9.38% on KITTI 2015, which outperform the previous state-of-the-art methods by 22.2% and 15.7%, respectively.
• Abstract（参考訳）: ピラミッドネットワークのアップサンプリングと学習を改善し,光学的フロー推定のための教師なし学習手法を提案する。 ピラミッドレベル間のバイリニアアップサンプリングに起因する補間ボケ問題に対処するために,自己誘導型アップサンプルモジュールを設計した。 さらに,最も微細な流れを擬似ラベルとして蒸留することにより中間レベルの管理を付加するピラミッド蒸留損失を提案する。 MPI-SIntel, KITTI 2012, KITTI 2015 など,これら2つのコンポーネントを統合することで,MPI-SIntel や KITTI 2015 など複数の主要なベンチマーク上での教師なし光フロー学習に最適な性能を実現する。 特に,kitti 2012ではepe=1.4,kitti 2015ではf1=9.38%をそれぞれ22.2%,state-of-the-artメソッドを15.7%上回った。

関連論文リスト

• DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow [7.73554718719193]
  本稿では,高分解能光フロー推定のための新しいPatchmatchベースのフレームワークを提案する。 伝播とPatchmatchの局所探索の恩恵を受け、低メモリで高精度な結果が得られる。 提案手法は,KITTI2015ベンチマークのすべての指標で第1位,Sintelクリーンベンチマークでは第2位である。
  論文  参考訳（メタデータ） (2022-04-01T10:13:59Z)
• 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)
• Learning by Distillation: A Self-Supervised Learning Framework for Optical Flow Estimation [71.76008290101214]
  DistillFlowは光の流れを学ぶための知識蒸留手法である。 KITTIとSintelの両方のデータセット上で、最先端の教師なし学習性能を実現する。 我々のモデルは、KITTI 2015ベンチマークにおけるすべての単分子的手法の中で、第1位にランクされ、Sintel Finalベンチマークで発表されたすべてのメソッドよりも優れています。
  論文  参考訳（メタデータ） (2021-06-08T09:13:34Z)
• ASFlow: Unsupervised Optical Flow Learning with Adaptive Pyramid Sampling [26.868635622137106]
  深層ピラミッドネットワークにおける適応型ピラミッドサンプリングを提案することにより,教師なし光フロー推定手法を提案する。 MPI-SIntel, KITTI 2012, KITTI 2015 など,複数の主要なベンチマークにおいて, 教師なし光フロー推定の最適性能を実現する。
  論文  参考訳（メタデータ） (2021-04-08T07:22:35Z)
• Learning Affinity-Aware Upsampling for Deep Image Matting [83.02806488958399]
  アップサンプリングにおける学習親和性は、ディープ・ネットワークにおけるペアワイズ・インタラクションを効果的かつ効率的に利用するためのアプローチであることを示す。 特に、コンポジション1kマッチングデータセットの結果は、A2Uが強いベースラインに対してSAD測定値の14%の相対的な改善を達成していることを示している。 最先端のマッティングネットワークと比較すると、モデル複雑度は40%に過ぎず、8%高いパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2020-11-29T05:09:43Z)
• What Matters in Unsupervised Optical Flow [51.45112526506455]
  教師なし光流における鍵成分の集合を比較し解析する。 教師なしフローモデルに対する新しい改良点を多数構築する。 本稿では,従来の最先端技術よりもはるかに優れた非教師なしフロー技術を提案する。
  論文  参考訳（メタデータ） (2020-06-08T19:36:26Z)
• ScopeFlow: Dynamic Scene Scoping for Optical Flow [94.42139459221784]
  我々は,光流の一般的なトレーニングプロトコルを変更することを提案する。 この改善は、挑戦的なデータをサンプリングする際のバイアスを観察することに基づいている。 トレーニングプロトコルでは,正規化と拡張の双方が減少することが判明した。
  論文  参考訳（メタデータ） (2020-02-25T09:58:49Z)
• 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。