UPFlow: Upsampling Pyramid für das unsupervised Optical Flow Lernen

Wir präsentieren einen ansatzfreien Lernansatz zur Schätzung von optischem Fluss, der die Upsampling- und Netzwerklernstrategie in einer Pyramidenarchitektur verbessert. Wir entwerfen ein selbstgeleitetes Upsampling-Modul, um das durch bilineares Upsampling zwischen den Pyramidenstufen verursachte Interpolationsunschärfeproblem zu bewältigen. Darüber hinaus schlagen wir eine Pyramiden-Distillationsschadensfunktion vor, die mittels Desintegration des feinsten Flusses als Pseudolabels eine zusätzliche Überwachung für die intermediären Ebenen ermöglicht. Durch die Integration dieser beiden Komponenten erreicht unser Ansatz die beste Leistung bei ansatzfreiem optischem Flusslernen auf mehreren führenden Benchmarks, darunter MPI-Sintel, KITTI 2012 und KITTI 2015. Insbesondere erzielen wir eine EPE von 1,4 auf KITTI 2012 und eine F1-Score von 9,38 % auf KITTI 2015, was die vorherigen State-of-the-Art-Methoden jeweils um 22,2 % und 15,7 % übertrifft.