論文の概要: Unsupervised Hierarchical Domain Adaptation for Adverse Weather Optical Flow

• arxiv url: http://arxiv.org/abs/2303.13761v1
• Date: Fri, 24 Mar 2023 02:17:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 16:03:53.051986
• Title: Unsupervised Hierarchical Domain Adaptation for Adverse Weather Optical Flow
• Title（参考訳）: 逆気象光流に対する教師なし階層型ドメイン適応
• Authors: Hanyu Zhou, Yi Chang, Gang Chen, Luxin Yan
• Abstract要約: 階層的な動き境界適応による悪天候光流の非教師なしフレームワークを提案する。 我々の重要な洞察は、悪天候はシーンの内在的な光学的流れを変えるのではなく、清潔な画像と劣化した画像の間にワープ誤差を生じさせることである。
• 参考スコア（独自算出の注目度）: 18.900658568158054
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Optical flow estimation has made great progress, but usually suffers from degradation under adverse weather. Although semi/full-supervised methods have made good attempts, the domain shift between the synthetic and real adverse weather images would deteriorate their performance. To alleviate this issue, our start point is to unsupervisedly transfer the knowledge from source clean domain to target degraded domain. Our key insight is that adverse weather does not change the intrinsic optical flow of the scene, but causes a significant difference for the warp error between clean and degraded images. In this work, we propose the first unsupervised framework for adverse weather optical flow via hierarchical motion-boundary adaptation. Specifically, we first employ image translation to construct the transformation relationship between clean and degraded domains. In motion adaptation, we utilize the flow consistency knowledge to align the cross-domain optical flows into a motion-invariance common space, where the optical flow from clean weather is used as the guidance-knowledge to obtain a preliminary optical flow for adverse weather. Furthermore, we leverage the warp error inconsistency which measures the motion misalignment of the boundary between the clean and degraded domains, and propose a joint intra- and inter-scene boundary contrastive adaptation to refine the motion boundary. The hierarchical motion and boundary adaptation jointly promotes optical flow in a unified framework. Extensive quantitative and qualitative experiments have been performed to verify the superiority of the proposed method.
• Abstract（参考訳）: 光流量推定は大きな進歩を遂げたが、通常は悪天候下で劣化する。 semi/full-supervisedメソッドは良い試みをしてきたが、合成画像と実際の悪天候画像のドメインシフトはパフォーマンスを低下させるだろう。 この問題を軽減するため、私たちの出発点は、ソースクリーンドメインからの知識を無監督で、劣化したドメインをターゲットに移すことです。 我々の重要な洞察は、悪天候はシーンの内在的な光学的流れを変えるのではなく、クリーン画像と劣化画像のワープ誤差に大きな違いをもたらすことである。 本研究では,階層的運動境界適応による悪天候光流に対する初の教師なしフレームワークを提案する。 具体的には、まず画像翻訳を用いて、クリーンドメインと劣化ドメイン間の変換関係を構築する。 動き適応では, フロー一貫性の知識を用いて, クロスドメイン光流を運動非分散共通空間に整列し, 清涼な天候からの光流を案内知識として利用し, 悪天候のための予備光流を得る。 さらに, クリーン領域と劣化領域の境界の運動不整合を計測するワープ誤差の不整合を利用して, 動作境界を洗練させるために, コントラスト適応を共同で提案する。 階層運動と境界適応は、統一された枠組みにおける光の流れを共同で促進する。 提案手法の優位性を検証するため, 大規模定量および定性的実験を行った。

関連論文リスト

• Adverse Weather Optical Flow: Cumulative Homogeneous-Heterogeneous Adaptation [36.63698348549319]
  実際の悪天候光流に対する累積均質不均一適応フレームワークを提案する。 具体的には, 静的気象は, シーンの内在的な動きを変化させることのない, 深度結合同質な特徴を有する。 合成-実遷移の場合、コストボリューム相関は、合成ドメインと実際の劣化ドメインの類似した統計ヒストグラムを共有することが判明した。
  論文  参考訳（メタデータ） (2024-09-25T15:05:03Z)
• Rethink Predicting the Optical Flow with the Kinetics Perspective [1.7901503554839604]
  光フロー推定は、低レベルコンピュータビジョンにおける基本的なタスクの1つである。 見かけ上は、連続したフレーム内の画素間の相関として光学フローを見ることができる。 本稿では,このモチベーションから明らかな情報と運動学情報を組み合わせる手法を提案する。
  論文  参考訳（メタデータ） (2024-05-21T05:47:42Z)
• WaterFlow: Heuristic Normalizing Flow for Underwater Image Enhancement and Beyond [52.27796682972484]
  既存の水中画像強調法は, 画像品質の向上に重点を置いており, 実践への影響を無視している。 本稿では,検出駆動型水中画像強調のための正規化フローであるWaterFlowを提案する。 微分可能性や解釈可能性を考慮すると、事前をデータ駆動マッピング手法に組み込む。
  論文  参考訳（メタデータ） (2023-08-02T04:17:35Z)
• Unsupervised Learning Optical Flow in Multi-frame Dynamic Environment Using Temporal Dynamic Modeling [7.111443975103329]
  本稿では,動的シーンの複数フレーム列からの光フロー推定について検討する。 隣接フレームの動作先を用いて、閉鎖領域のより信頼性の高い監視を行う。 KITTI 2012、KITTI 2015、Sintel Clean、Sintel Finalデータセットの実験は、我々の手法の有効性を実証している。
  論文  参考訳（メタデータ） (2023-04-14T14:32:02Z)
• Unsupervised Cumulative Domain Adaptation for Foggy Scene Optical Flow [19.640250999870307]
  クリーン・ツー・フォッギー領域のギャップを埋めるために、既存の手法は通常、運動知識をクリーン・フォッジー領域から合成フォッジー領域に転送するためにドメイン適応を採用する。 本稿では,非教師付き累積領域適応光フローフレームワークを提案する。 この統合された枠組みの下で、提案された累積的適応は、クリーンなシーンから実際の霧のシーンへの知識の移行を徐々に進める。
  論文  参考訳（メタデータ） (2023-03-14T01:10:59Z)
• Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
  オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。 提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
  論文  参考訳（メタデータ） (2022-12-23T03:00:28Z)
• 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)
• Learning to See Through Obstructions with Layered Decomposition [117.77024641706451]
  移動画像から不要な障害を取り除くための学習に基づくアプローチを提案する。 本手法は背景要素と閉塞要素の運動差を利用して両方の層を復元する。 本研究では,合成データから得られた提案手法が実画像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） (2020-08-11T17:59:31Z)
• 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。