論文の概要: Unsupervised Flow Refinement near Motion Boundaries

• arxiv url: http://arxiv.org/abs/2208.02305v1
• Date: Wed, 3 Aug 2022 18:44:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-05 12:35:56.427030
• Title: Unsupervised Flow Refinement near Motion Boundaries
• Title（参考訳）: 運動境界近傍の教師なし流動微細化
• Authors: Shuzhi Yu, Hannah Halin Kim, Shuai Yuan, Carlo Tomasi
• Abstract要約: 深層学習に基づく教師なし光流推定器は, 地平への注記のコストと困難さから注目されている。 提案アルゴリズムは,同じ入力を持つベースライン法よりも高精度に境界を検出でき,任意のフロー予測器からの推定値を改善することができる。
• 参考スコア（独自算出の注目度）: 3.5317804902980527
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unsupervised optical flow estimators based on deep learning have attracted increasing attention due to the cost and difficulty of annotating for ground truth. Although performance measured by average End-Point Error (EPE) has improved over the years, flow estimates are still poorer along motion boundaries (MBs), where the flow is not smooth, as is typically assumed, and where features computed by neural networks are contaminated by multiple motions. To improve flow in the unsupervised settings, we design a framework that detects MBs by analyzing visual changes along boundary candidates and replaces motions close to detections with motions farther away. Our proposed algorithm detects boundaries more accurately than a baseline method with the same inputs and can improve estimates from any flow predictor without additional training.
• Abstract（参考訳）: 深層学習に基づく教師なし光流推定器は, 地平への注記のコストと困難さから注目されている。 平均端点誤差(epe)によって測定された性能は長年にわたって改善されてきたが、一般的に想定されるように流れが滑らかではなく、ニューラルネットワークによって計算される特徴が複数の動きによって汚染される動き境界(mbs)に沿ったフロー推定は依然として貧弱である。 教師なし設定のフローを改善するために,境界候補に沿った視覚的変化を分析し,検出に近い動きを遠くの動きに置き換えることで,MBを検出するフレームワークを設計する。 提案アルゴリズムは,同じ入力を持つベースライン法よりも精度の高い境界検出を行い,任意のフロー予測器からの推定値を改善することができる。

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)
• OptFlow: Fast Optimization-based Scene Flow Estimation without Supervision [6.173968909465726]
  高速な最適化に基づくシーンフロー推定手法であるOpsFlowを提案する。 人気の高い自動運転ベンチマークにおけるシーンフロー推定のための最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-01-04T21:47:56Z)
• AccFlow: Backward Accumulation for Long-Range Optical Flow [70.4251045372285]
  本稿では、長距離光フロー推定のためのAccFlowと呼ばれる新しいリカレントフレームワークを提案する。 従来の前方累積よりも後方累積の方が優れていることを示す。 長距離光流量推定におけるAccFlowの有効性を検証する実験
  論文  参考訳（メタデータ） (2023-08-25T01:51:26Z)
• The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
  本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。 FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。 我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
  論文  参考訳（メタデータ） (2023-03-17T02:01:11Z)
• SemARFlow: Injecting Semantics into Unsupervised Optical Flow Estimation for Autonomous Driving [5.342413115295559]
  本稿では、自律運転データ用に設計された教師なし光フローネットワークであるSemARFlowを紹介する。 オブジェクト境界に関する目に見える改善に加えて、データセットをまたいで一般化する能力も示しています。
  論文  参考訳（メタデータ） (2023-03-10T21:17:14Z)
• Deep Equilibrium Optical Flow Estimation [80.80992684796566]
  最近のSOTA(State-of-the-art)光フローモデルでは、従来のアルゴリズムをエミュレートするために有限ステップの更新操作を使用する。 これらのRNNは大きな計算とメモリオーバーヘッドを課し、そのような安定した推定をモデル化するために直接訓練されていない。 暗黙的層の無限レベル固定点として直接流れを解く手法として,Deep equilibrium Flow estimatorを提案する。
  論文  参考訳（メタデータ） (2022-04-18T17:53:44Z)
• 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)
• A Point-Cloud Deep Learning Framework for Prediction of Fluid Flow Fields on Irregular Geometries [62.28265459308354]
  ネットワークは空間位置とCFD量のエンドツーエンドマッピングを学習する。 断面形状の異なるシリンダーを過ぎる非圧縮層状定常流を考察する。 ネットワークは従来のCFDの数百倍の速さで流れ場を予測する。
  論文  参考訳（メタデータ） (2020-10-15T12:15:02Z)
• 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)
• 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。