Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.01443

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2506.01443 (cs)
[提交于 2025年6月2日 ]

标题: MS-RAFT-3D:基于递归图像的场景流的多尺度架构

标题: MS-RAFT-3D: A Multi-Scale Architecture for Recurrent Image-Based Scene Flow

Authors:Jakob Schmid, Azin Jahedi, Noah Berenguel Senn, Andrés Bruhn
摘要: 尽管多尺度概念最近在光流和立体视觉领域的循环网络架构中被证明是有用的,但它们迄今为止尚未被考虑用于基于图像的场景流。 因此,基于单一尺度的循环场景流主干网络,我们开发了一种多尺度方法,将光流领域成功的分层思想推广到基于图像的场景流。 通过考虑特征编码器和上下文编码器的适当概念、整体从粗到细的框架以及训练损失,我们成功设计出了一种场景流方法,在KITTI和Spring数据集上的表现分别比当前最先进的方法高出8.7%(3.89 vs. 4.26)和65.8%(9.13 vs. 26.71)。 我们的代码可以在https://github.com/cv-stuttgart/MS-RAFT-3D获取。
摘要: Although multi-scale concepts have recently proven useful for recurrent network architectures in the field of optical flow and stereo, they have not been considered for image-based scene flow so far. Hence, based on a single-scale recurrent scene flow backbone, we develop a multi-scale approach that generalizes successful hierarchical ideas from optical flow to image-based scene flow. By considering suitable concepts for the feature and the context encoder, the overall coarse-to-fine framework and the training loss, we succeed to design a scene flow approach that outperforms the current state of the art on KITTI and Spring by 8.7%(3.89 vs. 4.26) and 65.8% (9.13 vs. 26.71), respectively. Our code is available at https://github.com/cv-stuttgart/MS-RAFT-3D.
评论: ICIP 2025
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2506.01443 [cs.CV]
  (或者 arXiv:2506.01443v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.01443
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Azin Jahedi [查看电子邮件]
[v1] 星期一, 2025 年 6 月 2 日 08:59:05 UTC (47,824 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号