论文标题：Self-Supervised Multi-Frame Monocular Scene Flow

论文链接：https://arxiv.org/abs/2105.02216

代码链接：https://github.com/visinf/multi-mono-sf

作者单位：达姆施塔特工业大学 & hessian.AI

表现SOTA！性能优于Self-Mono-SF、EPC++等网络，代码刚刚开源！

由于简单，经济的捕获设置，从单目图像序列估计3D场景流已引起越来越多的关注。由于问题的严重ill-posedness，当前方法的准确性受到了限制，尤其是有效的实时方法的准确性。在本文中，我们介绍了一种基于自监督学习的多帧单目场景流网络，在保持实时效率的同时，比以前的网络提高了准确性。基于采用split-decoder设计的高级两帧基线，我们提出（i）使用三帧输入和卷积LSTM连接的多帧模型，（ii）可以识别遮挡的census loss以获得更好的准确性，以及（ iii）梯度分离策略，以提高训练的稳定性。 在KITTI数据集上，我们观察到基于自监督学习的单目场景流方法之间的最新准确性。

内容中包含的图片若涉及版权问题，请及时与我们联系删除