网上有关optical flow的资源

最新推荐文章于 2025-09-06 11:03:27 发布
原创 最新推荐文章于 2025-09-06 11:03:27 发布 · 1.7k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#algorithm

本文提供了光学流领域的教程资源及最新研究成果，包括光学流算法评估、单目视觉系统的实时光学流等，适合对计算机视觉中运动估计感兴趣的读者。
运动物体检测——光流法（摄像机固定）
xlvector的专栏
01-27 2万+
前面的一篇文章谈了高斯背景模型在运动物体检测中的应用。本文主要讨论另一种方法——光流法。与高斯背景模型的方法不同，光流法可以用于摄像机固定和摄像机运动的情形，但本文只就摄像机固定的情况进行讨论，即不涉及摄像机运动预测问题。光流法的介绍在空间中，运动可以用运动场描述。而在一个图像平面上，物体的运动往往是通过图像序列中不同图象灰度分布的不同体现的。从而，空间中的运动场转移到图像上就表示为光流场
CNN双目A Large Dataset to Train Convolutional Networks for Disparity
10-31
kitti上的文献，基于卷积神经网络的双目视觉，涉及视差，光流以及场景流估计
【论文简述及翻译】A Large Dataset to Train Convolutional Networks for Disparity, Optical Flow, and SceneFlow
qq_43307074的博客
10-10 2270
【论文简述及翻译】A Large Dataset to Train Convolutional Networks for Disparity, Optical Flow, and Scene Flow Estimation
光流法 Optical Flow
GarfieldEr007的专栏
01-01 2万+
最近调研目标跟踪，看到一个光流法，测试了一下它的效果，挺好玩的，这里对找到的资料简单整理总结一下。 对于光流法的介绍，可以参看如下博客http://blog.youkuaiyun.com/zouxy09/article/details/8683859 ： 光流（optic flow）是什么呢？名字很专业，感觉很陌生，但本质上，我们是最熟悉不过的了。因为这种视觉现象我们每天都在经历。从本质上
论文阅读笔记之Dispnet
热门推荐
努力前进的咸鱼 (ฅ>ω<ฅ)
07-16 2万+
写在前面总算有时间写点东西，整理了一篇近期看的论文《A Large Dataset to Train Convolutional Networks for Disparity, Optical Flow, and Scene Flow Estimation》的阅读笔记。如有转载请注明出处。
光流法（Optical Flow）
大摆王的博客
05-28 3977
光流法
探索事件相机光学流的奥秘：Secrets of Event-Based Optical Flow
gitblog_00207的博客
09-12 473
探索事件相机光学流的奥秘：Secrets of Event-Based Optical Flow 项目介绍 Secrets of Event-Based Optical Flow 是一个专注于事件相机光学流计算的开源项目，由Shintaro Shiba、Yoshimitsu Aoki和Guillermo Callego共同开发。该项目不仅在ECCV 2022上获得了口头报告，其扩展版本更是在IEE...
光流学习（一）：Fast Optical Flow using Dense Inverse Search
mikhailbran的博客
01-02 4969
最近读到一篇较好的光流文章：Fast Optical Flow using Dense Inverse Search。opencv中开源了c++、opencl 代码，相关关键词为DISOpticalFlow。个人认为该方法是传统光流的巅峰。而且该方法修改了迭代部分相对较容易做成工程算法并部署到嵌入式平台视频插帧、slam 都要用到光流，这里将这个相关学习做个详细的学习笔记并分享以抛砖引玉，如有错误还望指正。论文链接：https://arxiv.org/pdf/1603.03590.pdf。
【有啥问啥】计算机视觉领域中的光流（Optical Flow）是什么？
Chauvin的博客
09-12 2370
光流（Optical Flow）是计算机视觉领域中的一个核心概念，用于描述在连续图像帧中物体的运动。具体来说，光流是指图像中像素的运动矢量场，它描述了每个像素点在两帧图像之间的位移。这一概念对于诸如目标跟踪、运动估计、视频稳定、增强现实等任务至关重要。vxyuv其中，u和v分别表示像素在x和y方向的速度。在计算光流时，目标是根据时间上相邻的图像帧，估计每个像素点的运动方向和速度。
【论文阅读】FlowNet 2.0：Evolution of Optical Flow Estimation with Deep Networks
qq_34222839的博客
09-06 883
直接用CNN预测光流的方式颠覆了以往光流检测领域的传统方法。但是其依然很难和现有的优秀传统算法竞争。我们提出的FlowNet2.0达到了SOTA的水平。从Fig1可以看出，作为的升级版，FlowNet2.0可以产生更加smooth的光流场，对精细的运动细节捕捉的更好，运行速度可达8~140FPS。在这个例子上，FlowNet2.0的精度是的4倍。首先，我们评估了dataset schedules。使用多个数据集的组合明显提升了结果。并且，在此基础上，我们还发现带有相关层的明显优于没有相关层的。
SelFlow: Self-Supervised Learning of Optical Flow-CVPR19
Bruce_0712的博客
09-18 1387
这是CVPR19 paper reading精读任务中的第一篇，Oral Presentation, Best Paper Final List, Top 1%，反正很屌就对了，其实是从他们团队之前AAAI19的一篇文章进化而来的，为了精读这篇CVPR，我读了他们的AAAI19,顺便再go deep读了关于知识蒸馏(knowledge distillation)的三篇稍微古老一点的paper。 NIPS14: Do Deep Nets Really Need to be Deep? 模型压缩 ..
Fast Optical Flow using Dense Inverse Search.pdf
06-12
《Fast Optical Flow using Dense Inverse Search》这篇论文提出了一种全新的方法，命名为基于密集逆搜索的Dense Inverse Search（DIS），用于计算密集的光学流，并且在速度和准确度之间取得了平衡。 在视觉应用如...
由视频数据集生成optical flow，frames，warped flow
08-19
其中，光流（optical flow）的生成是理解视频帧之间运动信息的关键步骤。光流技术可以用于估计视频序列中连续帧之间的运动模式，这一技术在多个领域都有应用，包括视频压缩、运动分析、机器人导航和增强现实等。 ...
optical Flow CeLiu-MIT
01-20
光学流（Optical Flow）是一种在计算机视觉领域中用于描述图像序列中像素级运动的估计技术。CeLiu-MIT光学流算法是针对这一问题的一种实现，它基于MATLAB编程环境，同时也可能包含了C++的实现。这个压缩包提供了一个...
face tracking with optical flow
08-09
在"Optical-Flow-master"这个压缩包中，可能包含了实现面部追踪与光学流结合的相关代码和资源。读者可以通过研究这些资料，了解具体的编程实现细节，如数据预处理、光流算法的实现、滤波器的应用以及深度学习模型的...
二值形态学——膨胀，腐蚀
xlvector的专栏
01-26 7522
最近在做一个Motion Detection的课题，在课题中提取的运动物体往往由离散的点组成，如果要用连通分量的计算方法提取每个运动物体的轮廓不太容易，为此要将由离散点组成的图像进行膨胀，腐蚀运算。膨胀 dilation考虑两幅二值图像A,B。它们的前景用黑色，背景用白色。另fA和fB表示各自前景点的集合。定义膨胀运算为：dilation(A,B) = {a+b| a∈A,b∈B}。比如：
运动物体分割 —— 高斯背景模型
xlvector的专栏
01-24 6449
高斯背景模型运动检测的一般方法    目前，运动物体检测的问题主要分为两类，摄像机固定和摄像机运动。对于摄像机运动的运动物体检测问题，比较著名的解决方案是光流法，通过求解偏微分方程求的图像序列的光流场，从而预测摄像机的运动状态。对于摄像机固定的情形，当然也可以用光流法，但是由于光流法的复杂性，往往难以实时的计算，所以我采用高斯背景模型。因为，在摄像机固定的情况下，背景的变化是缓慢的，而且大
Motion Detection System
xlvector的专栏
01-25 2141
运动物体的检测介绍        运动物体检测有许多方法，我采用了Gauss背景模型的方法。关于高斯背景模型的介绍可以参照我的另一篇文章。本文主要讨论利用高斯背景模型所做的实际系统。这一系统以高斯背景模型的算法为基础，并结合了计算机视觉的一些经典算法，主要针对摄像机固定的监控系统所拍摄的视频。算法速度快，可以用于实时计算，速度在处理640*480的视频时可以达到15帧每秒。目前的系统只支持
不公开的压测案例，包含了登录， 订单投注等
最新发布
12-26
不公开的压测案例
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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