La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

OFR-Net: Optical Flow Refinement with a Pyramid Dense Residual Network OFR-Net : raffinement du flux optique avec un réseau résiduel dense en pyramide

Liping ZHANG, Zongqing LU, Qingmin LIAO

  • Vues en texte intégral

    0

  • Citer

Résumé:

Cet article propose un nouveau modèle de réseau neuronal convolutif efficace appelé OFR-Net pour le raffinement du flux optique. L'OFR-Net exploite la corrélation spatiale entre les images et les champs de flux optiques. Il adopte une structure de codec pyramidal avec des connexions résiduelles, des connexions denses et des connexions sautées au sein et entre l'encodeur et le décodeur, pour fusionner complètement les fonctionnalités de différentes échelles, localement et globalement. Nous introduisons également une perte de distorsion pour limiter les erreurs de raffinement de déplacement important. Une série d'expériences sur les ensembles de données FlyingChairs et MPI Sintel montrent que l'OFR-Net peut affiner efficacement le flux optique prédit par diverses méthodes.

Publication
IEICE TRANSACTIONS on Fundamentals Vol.E103-A No.11 pp.1312-1318
Date de publication
2020/11/01
Publicisé
2020/04/30
ISSN en ligne
1745-1337
DOI
10.1587/transfun.2020EAL2024
Type de manuscrit
LETTER
Catégories
Infographie

Auteurs

Liping ZHANG
  Tsinghua University
Zongqing LU
  Tsinghua University
Qingmin LIAO
  Tsinghua University

Mots-clés

Table des matières