.png){kind=icon}
返回
SceneTracker: Long-Term Scene Flow Estimation Network
.png){kind=icon}
OA
AI
DOI：10.1109/TPAMI.2025.3572489.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
考虑到场景流估计具有空间域聚焦能力，但缺乏时域连贯性，本研究提出了一种长期场景流估计（LSFE）方法，该综合任务能够以在线方式同时捕捉细粒度及长期3D运动。我们引入了SceneTracker，这是首个采用迭代方法逼近最优3D轨迹的LSFE网络。该网络动态且同时地索引并构建外观相关性和深度残差特征。随后采用Transformer来探索和利用轨迹内部及轨迹间的长距离连接。通过详细实验，SceneTracker展现出在处理3D空间遮挡和深度噪声干扰方面的卓越能力，高度契合LSFE任务的需求。我们为LSFE领域构建了一个真实世界评估数据集LSFDriving，并在实验中使用它进一步证明了SceneTracker在泛化能力方面的优势。
Keyword:
Long-term scene flow estimation
scene flow estimation
transformer
期刊
IF:
18.6
论文数:
1.1K
被引数:
9.8W
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容