초록
우리는 광학 흐름을 위한 자기 지도 학습 접근법을 제시합니다. 우리의 방법은 비차단 픽셀에서 신뢰할 수 있는 흐름 추정치를 추출하고, 이러한 예측치를 기준 진리로 사용하여 환각 차단 영역의 광학 흐름을 학습합니다. 또한 우리는 시간적 정보를 여러 프레임에서 더 효과적으로 활용하기 위해 간단한 CNN(합성곱 신경망)을 설계하였습니다. 이 두 가지 원칙은 MPI Sintel, KITTI 2012 및 2015와 같은 도전적인 벤치마크에서 최고의 성능을 내는 비지도 광학 흐름 학습 접근법으로 이어집니다. 더욱이, 우리의 자기 지도 사전 학습 모델은 지도 미세 조정에 뛰어난 초기화를 제공합니다. 우리의 미세 조정된 모델들은 세 가지 데이터셋 모두에서 최신 결과를 달성하였습니다. 본 논문 작성 시점에서, 우리는 Sintel 벤치마크에서 EPE(평균 절대 오차)=4.26을 달성하여 모든 제출된 방법들을 능가하였습니다.