【论文阅读】【综述】从Optical Flow到Scene Flow

最新推荐文章于 2025-06-09 00:15:00 发布

麒麒哈尔

最新推荐文章于 2025-06-09 00:15:00 发布

阅读量7.4k

点赞数 14

CC 4.0 BY-SA版权

分类专栏：论文阅读文章标签： Scene Flow 点云自动驾驶

本文链接：https://blog.youkuaiyun.com/wqwqqwqw1231/article/details/106871872

本文介绍了从Optical Flow到Scene Flow的发展，包括FlowNet、PWCNet、MaskFlowNet等关键方法。Scene Flow是3D光流，常用于自动驾驶等领域。文章特别讨论了PointFlowNet、FlowNet3D及其改进版，以及自监督学习的场景流估计方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Scene Flow可以理解为3D的光流，数据换成了点云，Flow是用xyz三个坐标表示。与目标检测相似，想要了解Scene Flow的发展，就得先了解Optical Flow的方法。我也是刚刚开始看这个领域，所以总结的不到位，欢迎各位看官批评指正。

我的关注点在于Scene Flow，所以Optical Flow的很多方法就没有放上来。只是放了一些对Scene Flow有启发的文章。

Optical Flow

FlowNet（2015ICCV）

早期的代表性方法，2015年resnet才被提出来。
该方法提出了两个网络，分别是FlowNetC和FlowNetS，如下图所示。
在这里插入图片描述
FlowNetS非常简单，就是把两张图片堆叠在一起，然后用分割的网络去预测。
FlowNetC则复杂一些，提出了两个feature map的correlation的概念。后续研究中，将其发展为cost volume。两个feature map的correlation的计算如下:
在这里插入图片描述
$\bf{x}_2$ 取自于 $\bf{x}_1$ 的一定矩形邻域内。取值时，文章中讲到：

可以看到，k取0，也就是每个算feature map1中每个像素的correlation时只与它自己有关。d则取得很大，是为了增大flow可以预测的范围。

FlowNet2.0（2017CVPR）

在这里插入图片描述
FlowNet2.0在网络架构上，将多个FlowNet串联起来，达到更好的效果。FlowNet-SD也可以看作为trick。除了在网络架构上做的创新，FlowNet2.0还探讨了如何训练的问题。

PWCNet（2018CVPR）

在这里插入图片描述
每一层的flow的预测过程如下：

将从上一层获得flow进行upsample
通过flow，将feature map2的feature warp到feature map1,
计算cost volume，方式与FlowNet一样
然后通过cost volume得到这一层的volume
在顶层加入Context network

对比PWC-Net与FlowNet，可以发现，区别基本在于FlowNet只计算一次cost volume，而PWC-Net则计算很多次。warp的操作在FlowNet中也有。

MaskFlowNet（2020CVPR）

MaskFlowNet是目前比较新的改进，在KITTI上的效果也很好。主要是针对在前景移动了之后，背景中会有一些被遮挡的区域的问题。针对该问题，设计了在预测flow的同时，也预测被遮挡的的子任务。

相比于PWC-Net，先将feature map2 warp然后再计算cost volume，如下图：
在这里插入图片描述
MaskFlowNet提出，对于warp后的feature map2（大小为[B, C, H, W]），先乘以预测的occlusion mask $\theta$ （大小为[B, 1, H, W]），然后加上额外的特征 $\mu$ （大小为[B, C, W, H]）。得到如下结构：

" $\mu$ acts as a trade-off term that facilitates the learning of occlusions, as it provides extra information at the masked areas."

最后再加入Deformable Conv，将warp时使用插值变为Deform. Conv.，如下图
在这里插入图片描述
这就得到了AsymOFMM模块，然后多个模块的堆叠如下：

由此，借鉴FlowNet2.0中将网络堆叠的方法，提高flow的预测精度，得到MaskFlowNet：

在ablation study中可以看到：

FMM对应PWC-Net中的模块，OFMM对应不加Deform. Conv.的模块。可以看到，其实Asym，也就是Deform. Conv.的提升非常大。

Sene Flow

Point-based

PointFlowNet（2019CVPR）

在这里插入图片描述
本方法也不是单纯的做Scene Flow，是把object detection结合起来。可以看到，做Scene Flow的部分其实就是FlowNetS

FlowNet3D（2019CVPR）

在这里插入图片描述
前面提取特征的主干网络是PointNet++，flow embedding部分如下：

其实就是把SA层变成了一个点云在另外一个点云中做group。相比于这相当于实现了FlowNetC中的correlation部分，就是feature map1中的每个点与feature map2中相关点求取correlation。但使用的MLP实现的。恢复原始点云的数量的过程upconv也是由SA实现的。