DeepMatching: Hierarchische deformierbare dichte Zuordnung

Wir stellen einen neuen Matching-Algorithmus vor, den wir DeepMatching nennen, um dichte Korrespondenzen zwischen Bildern zu berechnen. DeepMatching basiert auf einer hierarchischen, mehrschichtigen, korrelativen Architektur, die für das Matching von Bildern entwickelt wurde und von tiefen Faltungsansätzen inspiriert ist. Der vorgeschlagene Matching-Algorithmus kann nicht-starre Deformationen und wiederholende Texturen verarbeiten und bestimmt effizient dichte Korrespondenzen bei erheblichen Veränderungen zwischen den Bildern. Wir evaluieren die Leistungsfähigkeit von DeepMatching im Vergleich zu den neuesten Matching-Algorithmen anhand der Datensätze Mikolajczyk (Mikolajczyk et al. 2005), MPI-Sintel (Butler et al. 2012) und Kitti (Geiger et al. 2013). DeepMatching übertrifft die neuesten Algorithmen und zeigt insbesondere bei wiederholenden Texturen ausgezeichnete Ergebnisse.Darüber hinaus schlagen wir eine Methode zur Schätzung des optischen Flusses vor, die wir DeepFlow nennen, indem wir DeepMatching in den Ansatz des großen Verschiebungs-Optischen Flusses (LDOF) von Brox und Malik (2011) integrieren. Dank unseres Matching-Ansatzes wird zusätzliche Robustheit gegenüber großen Verschiebungen und komplexer Bewegung erreicht im Vergleich zu existierenden Matching-Algorithmen. DeepFlow erzielt wettbewerbsfähige Leistungen in öffentlichen Benchmarks für die Schätzung des optischen Flusses.