Deep Rigid Instance Scene Flow

[DeepTecher]

Deep Rigid Instance Scene Flow （SOTA for Scene Flow Evaluation 2015）

研究机构：Uber ATG部门、MIT、多伦多大学

作者：Wei-Chiu Ma（马惟九、MIT PhD、Uber ATG 多伦多、两篇CVPR 2019--另外一篇“Convolutional Recurrent Network for Road Boundary Extraction”、个人主页） 、Shenlong Wang 、Rui Hu、Yuwen Xiong、 Raquel Urtasun（Uber ATG Chief Scientist 、个人主页）

摘要： 在本文中，我们解决了自动驾驶环境下的场景流量估计问题。 我们利用深度学习技术以及强大的先验，因为在我们的应用领域中，场景的运动可以由机器人的运动和场景中的演员的3D运动来组成。 我们将问题表达为深度结构化模型中的能量最小化，这可以通过展开高斯 - 牛顿求解器在GPU中有效地求解。 我们在具有挑战性的KITTI场景流数据集中的实验表明，我们以超大的优势超越了最先进的技术，同时快了800倍。