教師なしオプティカルフローにおける重要な要素

無教師学習型光流推定における主要な構成要素を体系的に比較・分析し、どの輝度損失関数、オクルージョン処理手法、平滑性正則化手法が最も効果的であるかを特定する。本研究では、これらの検証に加えて、コストボリュームの正規化、オクルージョンマスクで勾配を停止する、光流場のアップサンプリング前に平滑性を促進する、画像リサイズを用いた継続的自己教師学習といった新たな改良手法を複数提案する。本研究の分析結果とこれらの改良されたモデル構成要素を統合することにより、従来の無教師学習型光流推定の最先端技術を大きく上回る性能を発揮しつつ、KITTI 2015データセットにおいて教師あり学習型FlowNet2と同等の性能を達成する新しい無教師学習型光流推定手法を提示する。さらに、本手法は関連する既存手法と比較して大幅にシンプルであるという利点も有している。