Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Optical Flow Estimation with Channel Constancy

Sevilla-Lara, L., Sun, D., Learned-Miller, E. G., & Black, M. J. (2014). Optical Flow Estimation with Channel Constancy. In D. Fleet, T. Pajdla, B. Schiele, & T. Tuytelaars (Eds.), Computer Vision - ECCV 2014. Proceedings, Part 1 (pp. 423-438). Cham et al.: Springer International Publishing. doi:10.1007/978-3-319-10590-1_28.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0024-E2F1-0 Versions-Permalink: https://hdl.handle.net/11858/00-001M-0000-0024-E2F2-E
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Sevilla-Lara, Laura1, Autor           
Sun, Deqing, Autor
Learned-Miller, Erik G., Autor
Black, Michael J.1, Autor           
Affiliations:
1Dept. Perceiving Systems, Max Planck Institute for Intelligent Systems, Max Planck Society, ou_1497642              

Inhalt

einblenden:
ausblenden:
Schlagwörter: Abt. Black
 Zusammenfassung: Large motions remain a challenge for current optical flow algorithms. Traditionally, large motions are addressed using multi-resolution representations like Gaussian pyramids. To deal with large displacements, many pyramid levels are needed and, if an object is small, it may be invisible at the highest levels. To address this we decompose images using a channel representation (CR) and replace the standard brightness constancy assumption with a descriptor constancy assumption. CRs can be seen as an over-segmentation of the scene into layers based on some image feature. If the appearance of a foreground object differs from the background then its descriptor will be different and they will be represented in different layers.We create a pyramid by smoothing these layers, without mixing foreground and background or losing small objects. Our method estimates more accurate flow than the baseline on the MPI-Sintel benchmark, especially for fast motions and near motion boundaries.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2014-09
 Publikationsstatus: Online veröffentlicht
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: DOI: 10.1007/978-3-319-10590-1_28
BibTex Citekey: Sevilla:ECCV:2014
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: ECCV 2014 - 13th European Conference on Computer Vision
Veranstaltungsort: Zürich
Start-/Enddatum: 2014-09-06 - 2014-09-12

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Computer Vision - ECCV 2014. Proceedings, Part 1
Genre der Quelle: Konferenzband
 Urheber:
Fleet, D., Herausgeber
Pajdla, T., Herausgeber
Schiele, B., Herausgeber
Tuytelaars, T., Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Cham et al. : Springer International Publishing
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 423 - 438 Identifikator: ISBN: 978-3-319-10589-5
ISBN: 978-3-319-10590-1

Quelle 2

einblenden:
ausblenden:
Titel: Lecture Notes in Computer Science
Genre der Quelle: Reihe
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 8689 Artikelnummer: - Start- / Endseite: - Identifikator: -