CSFlow:自律運転のためのクロスストリップ相関によるオプティカルフローの学習【JST・京大機械翻訳】

Shi Hao; Zhou Yifan; Yang Kailun; Yin Xiaoting; Wang Kaiwei

プレプリント

J-GLOBAL ID：202202208593075219 整理番号：22P0283521

CSFlow:自律運転のためのクロスストリップ相関によるオプティカルフローの学習【JST・京大機械翻訳】

CSFlow: Learning Optical Flow via Cross Strip Correlation for Autonomous Driving

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年02月02日プレプリントサーバーでの情報更新日： 2022年02月02日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

オプティカルフロー推定は自己駆動システムにおける必須タスクであり,自律車両が周囲のシーンの時間連続性情報を知覚するのを助ける。全対相関の計算は,多くの既存の最先端の光フロー推定法において重要な役割を果たす。しかし,局所知識への依存は,複雑な街路シーンの下でモデルの正確性をしばしば制限する。本論文では,2つの新しいモジュール:クロスストリップ相関モジュール(CSC)と相関回帰初期化モジュール(CRI)から成る自律駆動-CSFlowにおける光フロー推定のための新しい深いネットワークアーキテクチャを提案した。CSCは,ターゲット画像と,相関ボリュームに大域的コンテキストを符号化するために,高能率を維持しながら大域的コンテキストを符号化するために,ストリピング操作を利用する。CRIを用いて,オプティカルフロー初期化のための大域的コンテキストを最大限に活用する。提案手法は,公開自律運転データセットKITTTI-2015に関する最先端の精度を達成した。コードはhttps://github.com/MasterHow/CSFlowで公開されている。【JST・京大機械翻訳】

, , , , , , ,
, , , , 【Automatic Indexing@JST】

図形・画像処理一般

, , , ,

前のページに戻る