A new semi-supervised method improving optical flow on distant domains

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F20%3A00338252" target="_blank" >RIV/68407700:21230/20:00338252 - isvavai.cz</a>

Výsledek na webu

<a href="https://data.vicos.si/cvww20/22.pdf" target="_blank" >https://data.vicos.si/cvww20/22.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

A new semi-supervised method improving optical flow on distant domains

Popis výsledku v původním jazyce

We propose a semi-supervised approach to learning by formulating the optimization as constrained gradient descent on a loss function that includes unsupervised terms. The method is demonstrated on semi-supervised optical flow training that promotes photo-consistency and smoothness of the flow. We show that the unsupervised objective significantly improves the estimation on a distant domain while maintaining the performance on the original domain. As a result, we achieve state-of-the-art results on the Creative Flow+ dataset among CNN based methods that did not train on any samples from the dataset.

Název v anglickém jazyce

A new semi-supervised method improving optical flow on distant domains

Popis výsledku anglicky

We propose a semi-supervised approach to learning by formulating the optimization as constrained gradient descent on a loss function that includes unsupervised terms. The method is demonstrated on semi-supervised optical flow training that promotes photo-consistency and smoothness of the flow. We show that the unsupervised objective significantly improves the estimation on a distant domain while maintaining the performance on the original domain. As a result, we achieve state-of-the-art results on the Creative Flow+ dataset among CNN based methods that did not train on any samples from the dataset.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 25th Computer Vision Winter Workshop Conference February 3-5, 2020, Rogaška Slatina, Slovenia

ISBN

978-961-90901-9-0

ISSN

—

e-ISSN

—

Počet stran výsledku

9

Strana od-do

37-45

Název nakladatele

Slovenian Pattern Recognition Society

Místo vydání

Ljubljana

Místo konání akce

Rogaška Slatina

Datum konání akce

3. 2. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—