optical flow
PulseAugur coverage of optical flow — every cluster mentioning optical flow across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
使用高斯泼溅和光流实现3D火焰重建
研究人员开发了一种新颖的方法，使用基于高斯函数时空表示的3D动态火焰重建。该技术旨在通过分离静态背景和易挥发火焰区域，从有限数量的摄像机视图中捕捉火焰复杂的、高频的特征。该系统利用密集的多视图立体图像、单目深度先验以及从光流派生的3D流场来初始化火焰，其中单个3D高斯编码寿命和速度以实现精确的时间对齐。
-
基于视频的系统无需穿戴设备即可计数帕金森病患者步数 · 已追踪 2 个来源
研究人员开发了一种新颖的基于视频的框架，可被动地计算帕金森病患者的步数，解决了当前基于穿戴式设备方法的局限性。该系统利用 3D 人体网格恢复从足部运动信号估计初始步数，并利用光流和交叉注意力机制优化这些估计，以捕捉细粒度的步态动力学。通过采用多实例学习，该框架整合了剪辑式运动嵌入来预测剩余步数，在真实世界帕金森病转弯数据集上表现出卓越的性能。
-
新的SAC^2-Net通过语义锚定推进微表情识别
研究人员开发了SAC^2-Net，一种旨在通过解决细微的面部运动和有限数据等挑战来改进微表情识别（MER）的新型网络。该系统利用了光流和运动放大的互补性质，这两种方法通常表现出不对称的失败模式。SAC^2-Net使用源自动作单元（AUs）的语义锚定来对齐这些视觉模态，然后采用一种可靠性感知融合技术来有效地整合信息。在多个基准测试上的实验表明，SAC^2-Net在各种MER评估设置中取得了最先进的性能。
-
新的三角一致性方法增强光流学习
研究人员引入了一种名为三角一致性的新方法来学习光流。该技术充当通用约束，可应用于各种网络架构、监督类型和数据集，包括图像对和多帧场景。通过组合两个流生成第三个流并强制执行一致性，该方法计算开销极小，无需额外注释，从而在监督、无监督和迁移学习环境中取得持续改进。
-
新框架增强了动态场景下的红外小目标检测能力
研究人员开发了一个新的框架，用于在动态场景中检测红外小目标，解决了目标、成像平台和背景之间运动耦合的挑战。该方法引入了一种解耦的运动表示学习方法，将全局相干运动动力学与目标敏感的局部运动异常分离开来。该框架利用预训练的光流先验知识和一种保持结构的自监督适应策略来实现红外运动对应。在基准数据集上的实验表明，该方法在复杂动态场景下优于现有的最先进方法，同时保持了高效的推理速度。
-
新框架从事件相机数据估计自我运动
研究人员开发了一个新框架，用于使用事件相机的异步光流来估计自我运动。该方法可以恢复角速度和线速度，克服了这些传感器异步数据流带来的挑战。提出的优化算法和一种新颖的代数最小5点求解器能够实现全自由度自我运动估计，在准确性和鲁棒性方面优于传统的同步方法。