OmniFlow
News
- 2021-04-16 - OmniFlow (v1.0) Datensatz veröffentlicht
Abstract
Als optischer Fluss wird die Bewegung eines Pixels zwischen mindestens zwei aufeinanderfolgende Videobilder beschrieben. Er kann durch ein end-to-end trainierbares Convolutional Neural Network geschätzt werden. Zu diesem Zweck werden große Trainingsdatensätze benötigt, um die Genauigkeit der Schätzung des optischen Flusses zu verbessern. Unsere Arbeit stellt OmniFlow vor: ein neuer synthetischer omnidirektionaler Datensatz mit optischem Fluss für Personen. Basierend auf einer Rendering-Engine erzeugen wir eine naturalistische 3D-Innenraumumgebung mit texturierten Räumen, Personen, Aktionen, Objekten, Beleuchtung und Bewegungsunschärfe, wobei alle Komponenten der Umgebung während der Simulation randomisiert werden. Die Simulation gibt gerenderte Bilder von Haushaltsaktivitäten und den entsprechenden optischen Vorwärts- und Rückwärtsfluss aus. Um die Daten für das Training von volumetrischen Korrespondenznetzen für die optische Flussschätzung zu verifizieren, trainieren wir verschiedene Teilmengen der Daten und testen sie auf OmniFlow mit und ohne Test-Time-Augmentation. Als Ergebnis haben wir 23.653 Bildpaare und den entsprechenden optischen Fluss in Vorwärts- und Rückwärtsrichtung generiert.
Paper
BibTeX
Wenn Sie den Datensatz in Ihrer Arbeit verwenden, bitte folgende Referenz nicht vergessen:
@inproceedings{Seidel_2021_CVPRW,
author = {Roman Seidel and André Apitzsch and Gangolf Hirtz},
title = {OmniFlow: Human Omnidirectional Optical Flow},
booktitle = {The Second OmniCV Workshop: Omnidirectional Computer Vision in Research and Industry, in IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
month = {June},
year = {2021}
}
Lizenz
Der Datensatz ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz.