CVPR 2020 论文大盘点-光流篇

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

光流估计（Optical Flo w estimation ）在视频理解、动作识别、目标跟踪、全景拼接等领域具有重要应用，在各类视频分析任务中它反映了视频内部的运动信息，被认为是一种重要视觉线索。

光流可视化示例：

图片来自 https://github.com/PharrellWANG/optical-flow-visualization

光流估计是计算机视觉的传统方向，CVPR 2020 的经典论文奖，授予了光流领域论文：Deqing Sun，Stefan Roth和Michael J. Black的 Secrets of Optical Flow Estimation and Their Principles，发表于2010年。

光流是2D的图像运动信息，近年，光流的3D版本即 场景流（Scene Flow） 也开始引起大家的兴趣，场景流反应图像/点云中每个点在前后两帧的变化情况。

本文总结CVPR 2020 中所有与光流（Optical Flow）和场景流（Scene Flow）相关论文，总计 12 篇。不仅包括新方法，也包括部分应用。

来自卡内基梅隆大学的 Upgrading Optical Flow to 3D Scene Flow Through Optical Expansion 论文通过Optical Expansion将光流扩展到3D 场景流（3D Scene Flow），能够反映场景深度的变化，是 CVPR Oral ，非常值得关注。

大家可以在：

http://openaccess.thecvf.com/CVPR2020.py

按照题目下载这些论文。

如果想要下载所有CVPR 2020论文，请点击这里：

CVPR 2020 论文全面开放下载，含主会和workshop

通过 Optical Expansio n将光流升级到3D场景流

[1].Upgrading Optical Flow to 3D Scene Flow Through Optical Expansion

作者 | Gengshan Yang, Deva Ramanan

单位 | 卡内基梅隆大学；Argo AI

代码 | https://github.com/gengshan-y/expansion

备注 | CVPR 2020 Oral

‍

基于 Event  Camera的单图像光流估计

[2].Single Image Optical Flow Estimation With an Event Camera

作者 | Liyuan Pan, Miaomiao Liu, Richard Hartley

单位 | 澳大利亚国立大学 ；澳大利亚机器人视觉中心

利用光流引导训练的空间变异反卷积网络，实现高效的动态场景 去模糊

[3].Efficient Dynamic Scene Deblurring Using Spatially Variant Deconvolution Network With Optical Flow Guided Training

作者 | Yuan Yuan, Wei Su, Dandan Ma

单位 | OPTIMAL；西北工业大学

密集光流改进视觉里程计

[4].VOLDOR: Visual Odometry From Log-Logistic Dense Optical Flow Residuals

作者 | Zhixiang Min, Yiding Yang, Enrique Dunn

单位 | 史蒂文斯理工学院

代码 | https://github.com/htkseason/VOLDOR

无监督光流估计，从Transformations中获得可靠的监督信息的类别学习方法

[5].Learning by Analogy: Reliable Supervision From Transformations for Unsupervised Optical Flow Estimation

作者 | Liang Liu, Jiangning Zhang, Ruifei He, Yong Liu, Yabiao Wang, Ying Tai, Donghao Luo, Chengjie Wang, Jilin Li, Feiyue Huang

单位 | 浙江大学；腾讯优图

代码 | https://github.com/lliuz/ARFlow

光流和立体匹配的有效自监督学习

[6].Flow2Stereo: Effective Self-Supervised Learning of Optical Flow and Stereo Matching

作者 | Pengpeng Liu, Irwin King, Michael R. Lyu, Jia Xu

单位 | 香港中文大学；虎牙AI

代码 | https://github.com/ppliuboy/Flow2Stereo（尚未）

黑暗场景的光流估计（无需图像增强的直接法）

[7].Optical Flow in the Dark

作者 | Yinqiang Zheng, Mingfang Zhang, Feng Lu

单位 | National Institute of Informatics；鹏城实验室；北航

光流估计的动态场景范围划分法

[8].ScopeFlow: Dynamic Scene Scoping for Optical Flow

作者 | Aviram Bar-Haim, Lior Wolf

单位 | 以色列特拉维夫大学；FAIR

代码 | https://github.com/avirambh/ScopeFlow

基于光流的视频稳像

[9].Learning Video Stabilization Using Optical Flow

作者 | Jiyang Yu, Ravi Ramamoorthi

单位 | 加利福尼亚大学圣迭戈分校

利用半监督学习的浓雾场景中的光流估计

[10].Optical Flow in Dense Foggy Scenes Using Semi-Supervised Learning

作者 | Wending Yan, Aashish Sharma, Robby T. Tan

单位 | 新加坡国立大学；耶鲁-新加坡国立大学学院

自监督学习的单目场景流估计

[11].Self-Supervised Monocular Scene Flow Estimation

作者 | Junhwa Hur, Stefan Roth 

单位 | 达姆施塔特工业大学

代码 | https://github.com/visinf/self-mono-sf

自监督的场景流估计

[12].Just Go With the Flow: Self-Supervised Scene Flow Estimation

作者 | Himangi Mittal, Brian Okorn, David Held

单位 | 卡内基梅隆大学

可见，因为光流和场景流人工打标签的代价太大，故该领域无监督、自监督学习是重要方向。

专辑：计算机视觉方向简介

专辑：视觉SLAM入门

专辑：最新SLAM/三维视觉论文/开源

专辑：三维视觉/SLAM公开课

专辑：深度相机原理及应用

专辑：手机双摄头技术解析与应用

专辑：相机标定

专辑：全景相机

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~

投稿、合作也欢迎联系：simiter@126.com

长按关注计算机视觉life