前幾天52CV曾經發布了一篇來自曠視研究員的光流技術相關的文章:光流估計網絡調研,引起了大家的廣泛關注,光流估計(Optical Flow estimation)在視頻理解、動作識別、目標跟蹤、全景拼接等領域具有重要應用,在各類視頻分析任務中它反映了視頻內部的運動信息,被認爲是一種重要視覺線索。
光流可視化示例:
圖片來自 https://github.com/PharrellWANG/optical-flow-visualization
光流估計是計算機視覺的傳統方向,CVPR 2020 的經典論文獎,授予了光流領域論文:Deqing Sun,Stefan Roth和Michael J. Black的 Secrets of Optical Flow Estimation and Their Principles,發表於2010年。
光流是2D的圖像運動信息,近年,光流的3D版本即場景流(Scene Flow)也開始引起大家的興趣,場景流反應圖像/點雲中每個點在前後兩幀的變化情況。
本文總結CVPR 2020 中所有與光流(Optical Flow)和場景流(Scene Flow)相關論文,總計 12 篇。不僅包括新方法,也包括部分應用。
來自卡內基梅隆大學的 Upgrading Optical Flow to 3D Scene Flow Through Optical Expansion 論文通過Optical Expansion將光流擴展到3D 場景流(3D Scene Flow),能夠反映場景深度的變化,是 CVPR Oral ,非常值得關注。
大家可以在:
http://openaccess.thecvf.com/CVPR2020.py
按照題目下載這些論文。
如果想要下載所有CVPR 2020論文,請點擊這裏:
CVPR 2020 論文全面開放下載,含主會和workshop
通過Optical Expansion將光流升級到3D場景流
[1].Upgrading Optical Flow to 3D Scene Flow Through Optical Expansion
作者 | Gengshan Yang, Deva Ramanan
單位 | 卡內基梅隆大學;Argo AI
代碼 | https://github.com/gengshan-y/expansion
備註 | CVPR 2020 Oral
基於Event Camera的單圖像光流估計
[2].Single Image Optical Flow Estimation With an Event Camera
作者 | Liyuan Pan, Miaomiao Liu, Richard Hartley
單位 | 澳大利亞國立大學;澳大利亞機器人視覺中心
利用光流引導訓練的空間變異反捲積網絡,實現高效的動態場景去模糊
[3].Efficient Dynamic Scene Deblurring Using Spatially Variant Deconvolution Network With Optical Flow Guided Training
作者 | Yuan Yuan, Wei Su, Dandan Ma
單位 | OPTIMAL;西北工業大學
密集光流改進視覺里程計
[4].VOLDOR: Visual Odometry From Log-Logistic Dense Optical Flow Residuals
作者 | Zhixiang Min, Yiding Yang, Enrique Dunn
單位 | 史蒂文斯理工學院
代碼 | https://github.com/htkseason/VOLDOR
無監督光流估計,從Transformations中獲得可靠的監督信息的類別學習方法
[5].Learning by Analogy: Reliable Supervision From Transformations for Unsupervised Optical Flow Estimation
作者 | Liang Liu, Jiangning Zhang, Ruifei He, Yong Liu, Yabiao Wang, Ying Tai, Donghao Luo, Chengjie Wang, Jilin Li, Feiyue Huang
單位 | 浙江大學;騰訊優圖
代碼 | https://github.com/lliuz/ARFlow
光流和立體匹配的有效自監督學習
[6].Flow2Stereo: Effective Self-Supervised Learning of Optical Flow and Stereo Matching
作者 | Pengpeng Liu, Irwin King, Michael R. Lyu, Jia Xu
單位 | 香港中文大學;虎牙AI
代碼 | https://github.com/ppliuboy/Flow2Stereo(尚未)
黑暗場景的光流估計(無需圖像增強的直接法)
[7].Optical Flow in the Dark
作者 | Yinqiang Zheng, Mingfang Zhang, Feng Lu
單位 | National Institute of Informatics;鵬城實驗室;北航
光流估計的動態場景範圍劃分法
[8].ScopeFlow: Dynamic Scene Scoping for Optical Flow
作者 | Aviram Bar-Haim, Lior Wolf
單位 | 以色列特拉維夫大學;FAIR
代碼 | https://github.com/avirambh/ScopeFlow
基於光流的視頻穩像
[9].Learning Video Stabilization Using Optical Flow
作者 | Jiyang Yu, Ravi Ramamoorthi
單位 | 加利福尼亞大學聖迭戈分校
利用半監督學習的濃霧場景中的光流估計
[10].Optical Flow in Dense Foggy Scenes Using Semi-Supervised Learning
作者 | Wending Yan, Aashish Sharma, Robby T. Tan
單位 | 新加坡國立大學;耶魯-新加坡國立大學學院
自監督學習的單目場景流估計
[11].Self-Supervised Monocular Scene Flow Estimation
作者 | Junhwa Hur, Stefan Roth
單位 | 達姆施塔特工業大學
代碼 | https://github.com/visinf/self-mono-sf
自監督的場景流估計
[12].Just Go With the Flow: Self-Supervised Scene Flow Estimation
作者 | Himangi Mittal, Brian Okorn, David Held
單位 | 卡內基梅隆大學
可見,因爲光流和場景流人工打標籤的代價太大,故該領域無監督、自監督學習是重要反向。
推薦閱讀:
備註:光流
光流、場景流交流羣
交流最新光流、場景流估計與應用,歡迎掃碼加羣。
我愛計算機視覺
微信號:aicvml
QQ羣:805388940
微博知乎:@我愛計算機視覺
網站:www.52cv.net
在看,讓更多人看到