科研之友
微信
新浪微博
Facebook
分享链接
摘要
卷积神经网络为光流的计算提供了一种新的方式，但作为一种数据驱动技术，用于训练网络的大规模光流真值在现实世界中不易获取。为了解决这个弊端，基于Cycle-GAN的循环对抗机制，提出了一种光流无监督估计方法。首先，引入双判别器机制在生成器生成的光流样本的底层和高层特征上进行鉴别，迫使生成器提高光流生成的精度。其次，引入Spynet作为教师网络，在生成器训练前期对其进行指导，防止网络陷入模式崩塌。最后，改进损失函数，提出了光流一致性损失和轮廓一致性损失函数，进一步提升光流估计精度。实验结果表明，与现有的先进算法相比，提出的方法达到与有监督算法相同的精度水平。
- 单位
