Fugu-MT 論文翻訳(概要): Motion Estimation for Large Displacements and Deformations

論文の概要: Motion Estimation for Large Displacements and Deformations

arxiv url: http://arxiv.org/abs/2206.12464v1
Date: Fri, 24 Jun 2022 18:53:22 GMT
ステータス: 処理完了
システム内更新日: 2022-06-28 15:20:15.864346
Title: Motion Estimation for Large Displacements and Deformations
Title（参考訳）: 大規模変位・変形の運動推定
Authors: Qiao Chen, Charalambos Poullis
Abstract要約: 粗い微細なスキームに基づく変分光学フロー技術はスパースマッチングを補間し、色、勾配、滑らかさを条件としたエネルギーモデルを局所的に最適化する。本稿では, この問題に対処し, 大きな変位と変形に対する変動運動推定フレームワークであるHybridFlowを提案する。
参考スコア（独自算出の注目度）: 7.99536002595393
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Large displacement optical flow is an integral part of many computer vision tasks. Variational optical flow techniques based on a coarse-to-fine scheme interpolate sparse matches and locally optimize an energy model conditioned on colour, gradient and smoothness, making them sensitive to noise in the sparse matches, deformations, and arbitrarily large displacements. This paper addresses this problem and presents HybridFlow, a variational motion estimation framework for large displacements and deformations. A multi-scale hybrid matching approach is performed on the image pairs. Coarse-scale clusters formed by classifying pixels according to their feature descriptors are matched using the clusters' context descriptors. We apply a multi-scale graph matching on the finer-scale superpixels contained within each matched pair of coarse-scale clusters. Small clusters that cannot be further subdivided are matched using localized feature matching. Together, these initial matches form the flow, which is propagated by an edge-preserving interpolation and variational refinement. Our approach does not require training and is robust to substantial displacements and rigid and non-rigid transformations due to motion in the scene, making it ideal for large-scale imagery such as Wide-Area Motion Imagery (WAMI). More notably, HybridFlow works on directed graphs of arbitrary topology representing perceptual groups, which improves motion estimation in the presence of significant deformations. We demonstrate HybridFlow's superior performance to state-of-the-art variational techniques on two benchmark datasets and report comparable results with state-of-the-art deep-learning-based techniques.
Abstract（参考訳）: 大きな変位光流は、多くのコンピュータビジョンタスクの不可欠な部分である。粗い微細なスキームに基づく変分光学フロー技術はスパースマッチを補間し、色、勾配、滑らかさを条件としたエネルギーモデルを局所的に最適化し、スパースマッチ、変形および任意に大きな変位のノイズに敏感にする。本稿では, この問題に対処し, 大きな変位と変形に対する変動運動推定フレームワークであるHybridFlowを提案する。画像ペア上でマルチスケールなハイブリッドマッチングアプローチを行う。特徴記述子に従って画素を分類した粗大クラスタを、クラスタのコンテキスト記述子を用いてマッチングする。マッチングされた各粗大クラスタに含まれるより微細なスーパーピクセルにマルチスケールグラフマッチングを適用する。さらに分割できない小さなクラスタは、ローカライズされた特徴マッチングによってマッチングされる。これらの初期マッチングは、エッジ保存補間と変分精細化によって伝播するフローを形成する。本手法はトレーニングを必要とせず,シーンの動作による相当な変位や剛性・非剛性変形に頑健であり,広域動画像(wami)のような大規模画像に最適である。より顕著に、HybridFlowは知覚群を表す任意の位相の有向グラフに作用し、大きな変形が存在する場合の運動推定を改善する。 2つのベンチマークデータセットにおいて,hybridflowは最先端の変分技術よりも優れた性能を示し,最先端のディープラーニング技術と同等の結果を報告している。

関連論文リスト

Oscillation Inversion: Understand the structure of Large Flow Model through the Lens of Inversion Method [60.88467353578118]
実世界のイメージを逆転させる固定点インスパイアされた反復的アプローチは収束を達成せず、異なるクラスタ間で振動することを示す。本稿では,画像強調,ストロークベースのリカラー化,および視覚的プロンプト誘導画像編集を容易にする,シンプルで高速な分布転送手法を提案する。
論文参考訳（メタデータ） (2024-11-17T17:45:37Z)
Spatially-Attentive Patch-Hierarchical Network with Adaptive Sampling for Motion Deblurring [34.751361664891235]
そこで本稿では,異なる空間領域にまたがる大きなぼやけた変化を扱うために,画素適応化と特徴注意設計を提案する。提案手法は,最先端のデブロワーリングアルゴリズムに対して良好に動作することを示す。
論文参考訳（メタデータ） (2024-02-09T01:00:09Z)
Graph Invariant Learning with Subgraph Co-mixup for Out-Of-Distribution Generalization [51.913685334368104]
本稿では,変分パターンと変分パターンの混合戦略に基づく新しいグラフ不変学習手法を提案する。本手法は, 各種分布シフト下での最先端性能を著しく向上させる。
論文参考訳（メタデータ） (2023-12-18T07:26:56Z)
RGM: A Robust Generalizable Matching Model [49.60975442871967]
RGM(Robust Generalist Matching)と呼ばれる疎密マッチングのための深部モデルを提案する。合成トレーニングサンプルと実世界のシナリオのギャップを狭めるために、我々は、疎対応基盤真理を持つ新しい大規模データセットを構築した。さまざまな密集したスパースなデータセットを混ぜ合わせることができ、トレーニングの多様性を大幅に改善しています。
論文参考訳（メタデータ） (2023-10-18T07:30:08Z)
Dynamic Kernel-Based Adaptive Spatial Aggregation for Learned Image Compression [63.56922682378755]
本稿では,空間アグリゲーション機能の拡張に焦点をあて,動的カーネルベースの変換符号化を提案する。提案したアダプティブアグリゲーションはカーネルオフセットを生成し、コンテント条件付き範囲の有効な情報をキャプチャして変換を支援する。実験により,本手法は,最先端の学習手法と比較して,3つのベンチマークにおいて高い速度歪み性能が得られることを示した。
論文参考訳（メタデータ） (2023-08-17T01:34:51Z)
Adaptive Single Image Deblurring [43.02281823557039]
本稿では,画像間の大きなぼやけた変化を扱うために,効率的な画素適応化と特徴注意設計を提案する。また、性能を大幅に向上させる効果的なコンテンツ認識グローバルローカルフィルタリングモジュールを提案する。
論文参考訳（メタデータ） (2022-01-01T10:10:19Z)
Convolutional Hough Matching Networks for Robust and Efficient Visual Correspondence [41.061667361696465]
畳み込みマッチングにおけるハフ変換の視点を導入し、畳み込みハフマッチング(CHM)と呼ばれる効果的な幾何マッチングアルゴリズムを提案する。本手法は,クラス内変動に挑戦する上で,その強靭性を証明し,意味的視覚対応のための標準ベンチマークに新たな技術状況を設定する。
論文参考訳（メタデータ） (2021-09-11T08:39:41Z)
ResNet-LDDMM: Advancing the LDDMM Framework Using Deep Residual Networks [86.37110868126548]
本研究では,eulerの離散化スキームに基づく非定常ode(フロー方程式)の解法として,深層残留ニューラルネットワークを用いた。複雑なトポロジー保存変換の下での3次元形状の多種多様な登録問題について述べる。
論文参考訳（メタデータ） (2021-02-16T04:07:13Z)
A Flexible Framework for Designing Trainable Priors with Adaptive Smoothing and Game Encoding [57.1077544780653]
我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
論文参考訳（メタデータ） (2020-06-26T08:34:54Z)
Deep Transformation-Invariant Clustering [24.23117820167443]
抽象的な特徴に頼らず、画像変換の予測を学ぶアプローチを提案する。この学習プロセスは、K平均とガウス混合モデルの勾配に基づく訓練に自然に適合する。我々の新しいアプローチは、標準的な画像クラスタリングベンチマークにおいて、競争力があり、非常に有望な結果をもたらすことを実証する。
論文参考訳（メタデータ） (2020-06-19T13:43:08Z)
Spatially-Attentive Patch-Hierarchical Network for Adaptive Motion Deblurring [39.92889091819711]
そこで本稿では,空間の異なる場所における大きなぼやけた変化を扱うために,効率的な画素適応化と特徴注意設計を提案する。上述のモジュールからなるパッチ階層型注意アーキテクチャを用いて,入力画像に存在するぼやけの空間的変動を暗黙的に検出する。われわれの設計は、最先端の精度とスピードを大幅に改善する。
論文参考訳（メタデータ） (2020-04-11T09:24:00Z)

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。