論文の概要: MESD: Exploring Optical Flow Assessment on Edge of Motion Objects with
Motion Edge Structure Difference
- arxiv url: http://arxiv.org/abs/2104.05916v1
- Date: Tue, 13 Apr 2021 03:27:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-14 13:30:00.177789
- Title: MESD: Exploring Optical Flow Assessment on Edge of Motion Objects with
Motion Edge Structure Difference
- Title（参考訳）: MESD:運動物体のエッジにおける運動端構造の違いによる光学的フローアセスメント
- Authors: Bin Liao, Jinlong Hu
- Abstract要約: モーションエッジ構造差(MESD)と呼ばれる新しい手法を提案し、モーションオブジェクトのエッジ上の光学的流れ場の推定誤差を評価する。
MESDは、モーションエッジ上の光学フローフィールドの推定誤差を合理的かつ識別的に評価できます。
- 参考スコア（独自算出の注目度）: 10.602101215368116
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The optical flow estimation has been assessed in various applications. In
this paper, we propose a novel method named motion edge structure
difference(MESD) to assess estimation errors of optical flow fields on edge of
motion objects. We implement comparison experiments for MESD by evaluating five
representative optical flow algorithms on four popular benchmarks: MPI Sintel,
Middlebury, KITTI 2012 and KITTI 2015. Our experimental results demonstrate
that MESD can reasonably and discriminatively assess estimation errors of
optical flow fields on motion edge. The results indicate that MESD could be a
supplementary metric to existing general assessment metrics for evaluating
optical flow algorithms in related computer vision applications.
- Abstract（参考訳）: 光流量推定は様々な応用で評価されている。
本稿では,移動物体の端面における光流場の推定誤差を評価するため,MESD (Motion Edge Structure difference) という新しい手法を提案する。
MPIシンテル, ミドルベリー, KITTI 2012 と KITTI 2015 の4つのベンチマークで, 5つの代表的な光フローアルゴリズムを評価した結果, MESD の比較実験を行った。
実験の結果,MESDは動作エッジ上の光流場の推定誤差を合理的かつ判別的に評価できることがわかった。
その結果、mesdは、関連するコンピュータビジョンアプリケーションにおいて、光学フローアルゴリズムを評価するための既存の一般評価指標の補足指標となる可能性が示唆された。
関連論文リスト
- Robust Optical Flow Computation: A Higher-Order Differential Approach [0.0]
本研究は,2次テイラー級数近似の高精度化を利用して,光フロー計算のための革新的なアルゴリズムを提案する。
KITTIやMiddleburyのような光学フローベンチマークのパフォーマンスによって、アルゴリズムの機能を示す印象的な例が現れる。
論文 参考訳（メタデータ） (2024-10-12T15:20:11Z) - Joint Self-supervised Depth and Optical Flow Estimation towards Dynamic
Objects [3.794605440322862]
本研究では,フレーム間監督深度と光フロー推定の枠組みを構築した。
動作のセグメンテーションでは、予備推定光フローマップを広い接続領域で適応的に分割する。
提案手法は,KITTI深度データセット上で既存の深度推定器よりも優れた精度を示す。
論文 参考訳（メタデータ） (2023-09-07T04:00:52Z) - EM-driven unsupervised learning for efficient motion segmentation [3.5232234532568376]
本稿では,光学的流れからの動作分割のためのCNNに基づく完全教師なし手法を提案する。
本研究では,移動分割ニューラルネットワークの損失関数とトレーニング手順を活用するために,期待最大化(EM)フレームワークを利用する。
提案手法は, 教師なし手法よりも優れ, 効率的である。
論文 参考訳（メタデータ） (2022-01-06T14:35:45Z) - Sensor-Guided Optical Flow [53.295332513139925]
本稿では、未知の領域や未知の領域において、より優れた精度を実現するために、外部キューを用いた光フローネットワークを誘導するフレームワークを提案する。
能動センサからの深度測定と幾何および手作り光学フローアルゴリズムを組み合わせることで,これらがどのように得られるかを示す。
論文 参考訳（メタデータ） (2021-09-30T17:59:57Z) - PCA Event-Based Otical Flow for Visual Odometry [0.0]
本稿では,イベントベース光流量推定問題に対する主成分分析手法を提案する。
提案手法の最良の変種は,ビジュアルオドメトリーのリアルタイムコンテキストを対象とし,最先端実装と比較して約2倍高速であることを示す。
論文 参考訳（メタデータ） (2021-05-08T18:30:44Z) - Revisiting The Evaluation of Class Activation Mapping for
Explainability: A Novel Metric and Experimental Analysis [54.94682858474711]
クラスアクティベーションマッピング(cam)アプローチは、アクティベーションマップの平均を重み付けすることで、効果的な可視化を提供する。
説明マップを定量化するための新しいメトリクスセットを提案し、より効果的な方法を示し、アプローチ間の比較を簡素化します。
論文 参考訳（メタデータ） (2021-04-20T21:34:24Z) - Boundary IoU: Improving Object-Centric Image Segmentation Evaluation [125.20898025044804]
境界品質に着目した新たなセグメンテーション評価手法であるBoundary IoUを紹介します。
境界IoUは、大きなオブジェクトの境界誤差に対して標準のMask IoU測度よりもはるかに感度が高く、小さなオブジェクトの誤差を過給しない。
論文 参考訳（メタデータ） (2021-03-30T17:59:20Z) - Unsupervised Motion Representation Enhanced Network for Action
Recognition [4.42249337449125]
連続するフレーム間の動きの表現は、ビデオの理解を大いに促進することが証明されている。
効果的な光フロー解決器であるTV-L1法は、抽出した光フローをキャッシュするために時間と費用がかかる。
UF-TSN(UF-TSN)は、軽量な非監視光フロー推定器を組み込んだ、エンドツーエンドのアクション認識手法です。
論文 参考訳（メタデータ） (2021-03-05T04:14:32Z) - Optical Flow Estimation from a Single Motion-blurred Image [66.2061278123057]
画像内の動きのぼかしは、基本的なコンピュータビジョンの問題に実用的な関心を持つ可能性があります。
本研究では,単一動画像からの光流れをエンドツーエンドで推定する新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-03-04T12:45:18Z) - 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) - Joint Unsupervised Learning of Optical Flow and Egomotion with Bi-Level
Optimization [59.9673626329892]
エピポーラ幾何を用いた光学フローとカメラモーションのグローバルな関係を利用する。
我々は暗黙の微分を用いて、その実装とは無関係に低レベルの幾何最適化層を通してバックプロパゲーションを可能にする。
論文 参考訳（メタデータ） (2020-02-26T22:28:00Z)
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。