ScopeFlow: Dynamische Szenen-Skoping für optischen Fluss

Wir schlagen vor, die gängigen Trainingsprotokolle für optischen Fluss zu modifizieren, wodurch erhebliche Genauigkeitsverbesserungen erzielt werden können, ohne die rechnerische Komplexität des Trainingsprozesses zu erhöhen. Die Verbesserung beruht auf der Beobachtung eines Bias bei der Stichprobenauswahl herausfordernder Daten im aktuellen Trainingsprotokoll, welcher durch eine Verbesserung des Stichprozesses adressiert wird. Darüber hinaus stellen wir fest, dass sowohl Regularisierung als auch Datenaugmentation im Verlauf des Trainingsprotokolls abnehmen sollten. Mit einer bestehenden Architektur mit geringem Parameterumfang erreicht die Methode die führende Platzierung im MPI Sintel Benchmark, wobei die Genauigkeit des besten Zwei-Bild-Verfahrens um mehr als 10 % übertroffen wird. Zudem übertrifft die Methode alle vergleichbaren Architekturvarianten auf den KITTI-Benchmarks um mehr als 12 % und 19,7 % und erreicht unter allen Zwei-Bild-Verfahren den niedrigsten durchschnittlichen Endpunktfehler im KITTI2012-Datensatz, ohne zusätzliche Datensätze zu nutzen.