optical flow光流估计的评价指标

本文介绍了光学流估计中的三个关键评估指标:Endpoint Error (EPE),Angular Error (AE) 和 Interpolation Error (IE)。EPE衡量的是光流估计与真实值之间的欧氏距离;AE计算的是光流向量间的角度误差;IE关注的是插值图像与真值图像的色彩差异。此外,还提到了Normalized Interpolation Error (NE)作为IE的改进版。这些指标广泛应用于Middlebury Optical Flow dataset、MPI Sintel Dataset等光流数据集的评估。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

评价指标

Endpoint error(EPE)

计算的是估计光流和groundtruth光流的欧氏距离:
E P E = ( ( u e s t − u g t ) 2 + ( v e s t − v g t ) 2 ) EPE = \sqrt{((u_{est} - u_{gt})^2 + (v_{est} - v_{gt})^2)} EPE=((uestugt)2+(vestvgt)2)
这是一种比较普遍的评估指标,通常会用EPE的均值来评估光流估计的结果。

Angular error(AE)

计算的是光流向量之间的角度误差:( ( u 0 , v 0 , 1 ) (u_0, v_0, 1) (u0,v0,1)表示一个列向量)
A E = arccos ⁡ ( ( u e s t , v e s t , 1 ) T ∗ ( u g t , v g t , 1 ) 1.0 + u e s t ∗ u e s t + v e s t ∗ v e s t 1.0 + u g t ∗ u g t + v g t ∗ v g t ) AE = \arccos(\frac{(u_{est}, v_{est}, 1)^T * (u_{gt}, v_{gt}, 1)}{\sqrt{1.0 + u_{est} * u_{est} + v_{est} * v_{est}} \sqrt{1.0 + u_{gt} * u_{gt} + v_{gt} * v_{gt}}}) AE=arccos(1.0+uestuest+vestvest 1.0+ugtugt+vgtvgt (uest,vest,1)T(ugt,vgt,1))

Interpolation error(IE)

插值误差指的是真值图像和估计的插值图像颜色值的root-mean-square(RMS) diffenrence
I E = 1 N ∑ ( x , y ) ( I ( x , y ) − I g t ( x , y ) ) 2 IE = \sqrt{\frac{1}{N} \sum_{(x,y)}(I(x,y) - I_{gt}(x,y))^2} IE=N1(x,y)(I(x,y)Igt(x,y))2
N是像素点的个数,对于RGB图像,取RGB颜色差别的L2 norm。

Normalized interpolation error(NE)

I E = 1 N ∑ ( x , y ) ( I ( x , y ) − I g t ( x , y ) ) 2 ∣ ∣ ▽ I g t ∣ ∣ 2 + ϵ IE = \sqrt{\frac{1}{N} \sum_{(x,y)} \frac{(I(x,y) - I_{gt}(x,y))^2}{||\bigtriangledown I_{gt}||^2 + \epsilon}} IE=N1(x,y)Igt2+ϵ(I(x,y)Igt(x,y))2
论文中取 ϵ = 1.0 \epsilon=1.0 ϵ=1.0。 对于RGB图像,取向量差的L2 norm,并分别计算梯度。
得到插值图像的方法见论文的3.3.2

光流数据集

Middlebury Optical flow dataset 最经典
MPI Sintel Dataset
Robust Vision Challenge
KITTI Flow 2012 evaluation
KITTI Flow 2015 evaluation
Heidelberg HD1K Flow benchmark


参考:
论文 A Database and Evaluation Methodology for Optical Flow
https://vision.middlebury.edu/flow/eval/
https://stackoverflow.com/questions/49699739/what-is-endpoint-error-between-optical-flows
https://github.com/philferriere/tfoptflow/blob/master/README.md

评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值