论文阅读：Neural Scene Flow Prior

目录

概要

Motivation

整体架构流程

技术细节

小结

论文地址： [2111.01253] Neural Scene Flow Prior (arxiv.org)

代码地址：GitHub – Lilac-Lee/Neural_Scene_Flow_Prior: Neural Scene Flow Prior (NeurIPS 2021 spotlight)

概要

在深度学习革命之前，许多感知算法依赖于运行时优化和强先验/正则化惩罚。计算机视觉中的一个典型例子是光流和场景流。监督学习大大减少了对显式正则化的需求，但需要大量标记数据来捕获先验统计信息，这对于许多问题并不总是容易获得。尽管优化用于学习神经网络，但在运行时网络权重是冻结的。因此，这些学习解决方案是特定领域的，不能很好地推广到其他统计不同的场景。本文重新审视了依赖于运行时优化和强正则化的场景流问题。一个核心创新是引入了神经场景流先验，使用神经网络架构作为一种新的隐式正则化器。与基于学习的场景流方法不同，优化发生在运行时，无需离线数据集，使其在新环境中（如自动驾驶）理想。本文展示了基于多层感知器（MLP）架构的场景流先验可以达到竞争性的结果