在线设计的网站,企业所得税优惠政策最新2024,手机高端网站开发,wordpress挂饰插件本文提出了一个多帧光流估计模型 VideoFlow#xff0c;旨在充分挖掘视频中的时序信息和运动规律#xff0c;避免当前主流方法只以两帧图片作为输入而面临的信息瓶颈#xff0c;显著提升了光流估计的性能。 在公开的 Sintel Bechmark 上#xff0c;VideoFlow 在 Clean 和 Fi… 本文提出了一个多帧光流估计模型 VideoFlow旨在充分挖掘视频中的时序信息和运动规律避免当前主流方法只以两帧图片作为输入而面临的信息瓶颈显著提升了光流估计的性能。 在公开的 Sintel Bechmark 上VideoFlow 在 Clean 和 Final 两个子集分别取得了 0.991 与 1.649 AEPE与之前发表的最好结果1.073 和 1.943相比误差下降了 7.6% 和 15.1%并且是首个在 Clean 子集实现亚像素级别误差的模型。在自动驾驶 KITTI-2015 Benchmark 上VideoFlow 实现了 3.65% 的 Fl-all error相比之前发表的最好结果4.52%误差降低了 19.2%。模型与训练代码均已开源。 论文标题 VideoFlow: Exploiting Temporal Cues for Multi-frame Optical Flow Estimation 论文链接 https://arxiv.org/abs/2303.08340 代码链接 https://github.com/XiaoyuShi97/VideoFlow 是基于什么样的思考完成了这篇文章 光流的目标是估计源图象中每个像素在目标图片的对应位置。在许多下游视频处理任务中如视频修复、动作识别、视频压缩、视频插帧光流是表征图片间对应关系和场景内运动信息的基础性方法。 然而主流的光流估计模型普遍只以相邻的两帧图片作为输入面临以下两个问题。 两帧模型面临信息瓶颈由于遮挡、大范围移动、弱纹理等情况存在只以两帧图片作为输入进行光流预测面临极大的歧义ambiguity。两帧模型与下游任务需求不匹配大多数下游视频任务需要对视频的所有帧进行光流估计由于缺乏相应的多帧光流模型下游任务只能通过多次使用两帧模型获得光流估计。 因此在本篇文章中我们聚焦于多帧光流模型设计充分利用更多帧输入图片带来的信息大幅提高光流估计的准确性。另一方面VideoFlow 同时估计双向光流并且可以处理任意帧数的视频更好满足下游视频任务的需求。 这项工作做了什么 VideoFlow 主要由两部分组成。我们首先考虑以相邻三帧图片作为输入时模型应该如何设计。我们提出了 TRi-frame Optical FlowTROF模块核心在于同时预测从中间帧到前后两帧的光流因为这两个方向的光流从相同的像素出发避免之前方法由于单向 warp 光流无法对齐而产生的误差。 当输入帧数大于三帧时基于三帧模块 TROF我们额外引入一个运动传递Motion Propagation模块MOP通过在相邻的三帧模块之间传递运动信息增大了在时序维度的感受野进一步提高光流估计的准确性。 2.1 三帧模型 当输入为三帧相邻的图片时使用共享权重的特征编码器获得对应特征图然后分别构建中间帧与前后两帧的 cost volume。我们采用类似 RAFT 的结构迭代优化光流估计。不同之处在于在每一步迭代时我们采用最简单的 concat 操作将输入变为双方向的 cost feature 和当前估计的双向光流值。通过综合双向的相似性信息和运动信息TROF 模型能利用额外的一帧提高光流估计的准确性。 2.2 多帧模型 当输入多于三帧时我们以相邻的三帧作为基础单元stride 为 1在每个三帧单元中延续之前的 TROF 模型。为了实现不同单元之间信息的传递与融合我们提出了运动传递Motion Propagation模块MOP。 具体来说每个三帧单元额外维护一个运动状态向量 M_t在每一步迭代更新之前前后两个三帧单元的运动状态向量m_fwd 和 m_bwd会根据光流 warp 到中间的三帧单元实现相邻单元的信息传递。每个一步结束后运动状态向量都会更新。由于我们采用迭代更新的方式随着迭代步数的增加时序维度的感受野会不断变大每个三帧单元能获得更多的信息因而能更加准确地估计光流。 实验结果 我们在 Sintel 和 KITTI-2015 两个数据集上评测 VideoFlow。其中 Sintel 有 Clean 和 Final 两个子集它们内容相同的但是 Final 子集中的图象存在运动模糊因而更加困难。 我们的三帧模型已经超越了之前所以发表的方法。五帧模型进一步提高了准确度。值得注意的是VideoFlow 是首个在 Sintel Clean 子集实现亚像素级别误差的方法。 具体而言在 Sintel Bechmark 上VideoFlow 在 Clean 和 Final 两个子集分别取得了 0.991 与 1.649 AEPE与之前发表的最好结果1.073 和 1.943相比误差下降了 7.6% 和 15.1%。在自动驾驶 KITTI-2015 Benchmark 上VideoFlow 实现了 3.65% 的 Fl-all error相比之前发表的最好结果4.52%误差降低了 19.2%。 可视化分析 我们展示了 KITTI-2015 Benchmark 上的两个典型例子其中白色表示预测结果为静止不同颜色代表不同预测方向。 在第一行中蓝框中的一束白光是典型的镜头炫光现象FlowFormer 错误的将其识别成了运动的前景物体而 VideoFlow 没有受到干扰正确预测背景房屋的光流。 第二行蓝框中指示牌反面与路过车辆颜色同为接近的灰色因此 FlowFormer 将指示牌误认为车辆一部分预测光流接近。VideoFlow 得益于多帧信息成功区分出指示牌为静止前景蓝框内白色圆形区域与移动的背景车辆运动不同。 更多阅读 #投 稿 通 道# 让你的文字被更多人看到 如何才能让更多的优质内容以更短路径到达读者群体缩短读者寻找优质内容的成本呢答案就是你不认识的人。 总有一些你不认识的人知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁促使不同背景、不同方向的学者和学术灵感相互碰撞迸发出更多的可能性。 PaperWeekly 鼓励高校实验室或个人在我们的平台上分享各类优质内容可以是最新论文解读也可以是学术热点剖析、科研心得或竞赛经验讲解等。我们的目的只有一个让知识真正流动起来。 稿件基本要求 • 文章确系个人原创作品未曾在公开渠道发表如为其他平台已发表或待发表的文章请明确标注 • 稿件建议以 markdown 格式撰写文中配图以附件形式发送要求图片清晰无版权问题 • PaperWeekly 尊重原作者署名权并将为每篇被采纳的原创首发稿件提供业内具有竞争力稿酬具体依据文章阅读量和文章质量阶梯制结算 投稿通道 • 投稿邮箱hrpaperweekly.site • 来稿请备注即时联系方式微信以便我们在稿件选用的第一时间联系作者 • 您也可以直接添加小编微信pwbot02快速投稿备注姓名-投稿 △长按添加PaperWeekly小编 现在在「知乎」也能找到我们了 进入知乎首页搜索「PaperWeekly」 点击「关注」订阅我们的专栏吧 · ·
