Forecasting Future Instance Segmentation with Learned Optical Flow and Warping

要約

自動運転車の場合、シーンの進行中のダイナミクスを観察し、その結果、差し迫った将来のシナリオを予測して、自車と他の車の安全を確保することが不可欠です。
これは、さまざまなセンサーとモダリティを使用して行うことができます。
この論文では、将来のセマンティックセグメンテーションを予測するためのオプティカルフローの使用法を調査します。
そのために、流れ場を自己回帰的に予測するモデルを提案します。
このような予測は、インスタンスのセグメンテーションを将来のフレームに移動する、学習したワーピング関数の推論を導くために使用されます。
Cityscapes データセットの結果は、オプティカル フロー手法の有効性を示しています。

要約(オリジナル)

For an autonomous vehicle it is essential to observe the ongoing dynamics of a scene and consequently predict imminent future scenarios to ensure safety to itself and others. This can be done using different sensors and modalities. In this paper we investigate the usage of optical flow for predicting future semantic segmentations. To do so we propose a model that forecasts flow fields autoregressively. Such predictions are then used to guide the inference of a learned warping function that moves instance segmentations on to future frames. Results on the Cityscapes dataset demonstrate the effectiveness of optical-flow methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google