論文の概要: Multiple Hypothesis Flow Estimation for Video Frame Interpolation under Matching Ambiguity

• arxiv url: http://arxiv.org/abs/2608.07120v1
• Date: Fri, 07 Aug 2026 11:29:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.483253
• Title: Multiple Hypothesis Flow Estimation for Video Frame Interpolation under Matching Ambiguity
• Title（参考訳）: 一致したあいまいさ下におけるビデオフレーム補間のための多重仮説フロー推定
• Abstract要約: 多くのフローベースビデオフレームブレンディング(VFI)法は、光学フロー場を推定し、2つの入力フレームをワープし、観察を歪ませることで中間フレームを合成する。 本稿では、トップK候補対応を保存し、信頼性誘導ルータを介して位置毎に1つを選択する複数の仮説フロー推定フレームワークを提案する。 提案したMA-HDベンチマークとPublicIベンチマークの実験により,提案手法は比較手法の中でLPIPSとdisTSに最適であることがわかった。
• 参考スコア（独自算出の注目度）: 19.75715306087102
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many flow-based video frame interpolation (VFI) methods synthesize an intermediate frame by estimating optical flow fields, warping the two input frames, and blending the warped observations. These latent flow fields are typically learned through image-level reconstruction supervision without direct flow annotations. In ambiguous regions containing repetitive or stochastic textures, rotating symmetric structures, or fast motion with blur, the matching evidence for a single query may contain multiple comparable and spatially separated peaks. Although the ground-truth intermediate frame provides indirect supervision, it may not uniquely identify the latent correspondence in ambiguous regions.When several locations provide multiple plausible matches, a single-flow estimator can retain only one displacement and discard the remaining candidates. If the selected match is incorrect or inconsistent with those of neighboring pixels, warping samples content from mismatched locations, producing ghosting, structural distortion, or blur.To address this limitation, we propose a multiple hypothesis flow estimation framework that preserves top-K candidate correspondences and selects one per location through a reliability-guided router. Each hypothesis is initialized from a coarse matching anchor and refined separately through anchor-centered local attention. Frame synthesis is thus conditioned on one selected flow-appearance hypothesis rather than a soft combination of candidate motions.Experiments on the proposed MA-HD benchmark and public VFI benchmarks show that our method achieves the best LPIPS and DISTS among the compared methods.
• Abstract（参考訳）: 多くのフローベースビデオフレーム補間法(VFI)は、光フロー場を推定し、2つの入力フレームをワープし、歪んだ観察をブレンドすることによって中間フレームを合成する。 これらの潜流場は、直接フローアノテーションを使わずに画像レベルの再構築管理を通じて学習されるのが一般的である。 反復的または確率的テクスチャ、回転対称構造、またはぼやけた高速な動きを含む曖昧な領域では、単一のクエリの一致する証拠は、複数の同等かつ空間的に分離されたピークを含むかもしれない。 地中フレームは間接的な監視を提供するが、不明瞭な領域における潜伏対応をユニークに識別することはできず、複数の場所が複数の可視一致を提供する場合、単一フロー推定器は1つの変位だけを保持し、残りの候補を破棄することができる。 選択された一致が近隣の画素と不一致である場合,不一致箇所からサンプル内容をワープし,ゴースト,構造歪み,ぼかしを発生させる。この制限に対処するために,トップK候補対応を保存し,信頼性誘導ルータを介して位置毎に選択する複数の仮説フロー推定フレームワークを提案する。 各仮説は粗いマッチングアンカーから初期化され、アンカー中心の局所的な注意によって別々に洗練される。 そこで,提案したMA-HDベンチマークとパブリックVFIベンチマークを用いた実験により,提案手法が提案手法の中で最高のLPIPSとdisTSを実現することを示す。

関連論文リスト

• CorrelationFlow: A Training-Free Geometric Approach for LiDAR Scene Flow Estimation [15.48783554823151]
  相関フローは, 鳥の目視画像における連結成分ラベリングと相関という, シーンフローを2つの操作に還元する。 境界鍵点における軽量占有記述子をマッチングすることにより,一組のスイープペア上で動作可能なスパース対の開発を行う。 この結果から,シーンフロー問題の大部分を古典的コンピュータビジョンで解けることが示唆された。
  論文  参考訳（メタデータ） (2026-07-31T10:14:08Z)
• From Uncertainty to Determinism: Coarse-to-Fine Visual Floorplan Localization without Ray Matching [12.273420964874058]
  本稿では,不確実性から決定論へと進展する粗大な視覚的FLOCフレームワークを提案する。 改良段階において,候補中心の作物から有界なサブメーターの残差を予測できる局所精製器を提案する。 本手法は,オフラインマップ前処理やテストタイムのルックアップテーブルを必要とせずに,グローバルなマルチハイプセシストラッキングと局所サブメーター改善のバランスを効果的に行う。
  論文  参考訳（メタデータ） (2026-07-29T12:10:00Z)
• Reference-Induced Consensus for Selective Posed-Reference Visual Localization [11.166886974945806]
  RIC-Locは、シーントレーニングなしのポーズ参照ローカライザである。 主推定器では、SfM-point-map-freeである。
  論文  参考訳（メタデータ） (2026-07-06T06:48:34Z)
• AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
  AnchorMoEは、解釈可能な構成別分類フレームワークである。 ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。 実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-06-02T13:30:54Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• GeoFlowVLM: Geometry-Aware Joint Uncertainty for Frozen Vision-Language Embedding [3.0708725114491293]
  ペア化された$ell$-normalized dual-encoder VLM の結合分布を学習するポストホックアダプタとして textbfGeoFlowVLM を提案する。 整合性の結果, 人口制限下では, トレーニングされたネットワークは, 接合流と両モード条件流を露呈することがわかった。 この単一モデルから2つの量を得る:Fano型境界による決定論的解釈でアレター的曖昧さを定量化する条件付き検索エントロピーと、関節NLLの正確な連鎖ルール分解によって正当化される限界特異性スコアである。
  論文  参考訳（メタデータ） (2026-05-13T11:12:18Z)
• Posterior Augmented Flow Matching [64.1559809786948]
  後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
  論文  参考訳（メタデータ） (2026-05-01T17:59:59Z)
• DeLiVR: Differential Spatiotemporal Lie Bias for Efficient Video Deraining [21.816338275013702]
  ネットワークの注意点に直接リー群差分バイアスを注入する,効率的なビデオデラミニング手法であるDeLiVRを提案する。 回転有界リー相対バイアスは、コンパクトな予測モジュールを用いて各フレームの面内角度を予測する。 微分群変位は、速度を推定するために隣接するフレーム間の角度差を計算する。 このバイアスは、時間的減衰とアテンションマスクを組み合わせて、雨の流れの方向を正確に一致させながら、フレーム間の関係に焦点を当てる。
  論文  参考訳（メタデータ） (2025-09-26T00:29:36Z)
• Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
  クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。 しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。 本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T09:41:19Z)
• Inter-class Discrepancy Alignment for Face Recognition [55.578063356210144]
  IA(Inter-class DiscrepancyAlignment)という統合フレームワークを提案する。 IDA-DAOは、画像と隣人の相違を考慮した類似度スコアの整合に使用される。 IDA-SSEは、GANで生成された仮想候補画像を導入することで、説得力のあるクラス間隣人を提供できます。
  論文  参考訳（メタデータ） (2021-03-02T08:20:08Z)
• Multiple Video Frame Interpolation via Enhanced Deformable Separable Convolution [67.83074893311218]
  カーネルベースの手法は、ソースフレームと空間適応型ローカルカーネルを囲む単一の畳み込みプロセスでピクセルを予測する。 本稿では,適応カーネルだけでなく,オフセット,マスク,バイアスを推定するための拡張変形性分離畳み込み(EDSC)を提案する。 提案手法は,幅広いデータセットを対象とした最先端の手法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） (2020-06-15T01:10:59Z)

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。