摘要
近年来，卷积神经网络（CNNs）在学习许多计算机视觉任务方面取得了越来越大的成功，包括光流和立体匹配等密集估计问题。然而，这些任务的联合预测，即场景流，传统上一直依赖于基于基本假设的缓慢经典方法，这些方法难以泛化。本文提出的工作通过引入PWOC-3D，一种紧凑的CNN架构，在端到端监督设置下从立体图像序列中预测场景流，高效地克服了这些缺点（在速度和准确性方面）。此外，大运动和遮挡是场景流估计中的众所周知的问题。PWOC-3D采用了专门的设计决策来显式建模这些挑战。在这方面，我们提出了一种新的自监督策略，可以从图像中预测遮挡（无需任何标记的遮挡数据进行学习）。利用这些构造，我们的网络在KITTI基准测试和具有挑战性的FlyingThings3D数据集上取得了具有竞争力的结果。特别是在KITTI上，PWOC-3D在端到端深度学习方法中排名第二，其参数量比表现最佳的方法少48倍。