17 天前

基于类比的学习:用于无监督光流估计的变换可靠监督

Liang Liu, Jiangning Zhang, Ruifei He, Yong Liu, Yabiao Wang, Ying Tai, Donghao Luo, Chengjie Wang, Jilin Li, Feiyue Huang
基于类比的学习:用于无监督光流估计的变换可靠监督
摘要

无监督光流学习通过利用视图合成提供的监督信号,已成为有监督方法的一种有前景的替代方案。然而,在复杂场景下,无监督学习的目标函数可能不够可靠。为此,本文提出一种新框架,引入更具鲁棒性的变换监督机制。该方法通过在数据增强生成的变换数据上执行一次额外的前向传播,并将原始数据的变换预测结果作为自监督信号,简单地对通用的无监督学习流程进行重构。此外,我们进一步设计了一种轻量级网络结构,采用高度共享的光流解码器以处理多帧输入。实验结果表明,该方法在多个基准测试上均实现了显著的性能提升,在现有深度无监督方法中达到最优精度。同时,该方法在参数量远少于现有全监督方法的前提下,仍能取得与最新全监督方法相媲美的性能表现。