标签：DeFMO Recovery 物体 Fast FMO 去模糊 移动 3D

fast moving objects (FMOs)

FMOs are defined as objects that move over a distance larger than their size within the camera exposure time (or within a single time frame in video).
FMO 被定义为在相机曝光时间内（或在视频中的单个时间帧内）移动距离大于其尺寸的对象。

在自动驾驶中检测石头、鸟类或其他野生动物的影响也有好处。在捕获掉落或抛出的物体（如水果、树叶、飞虫、冰雹或雨）时，经常会发现 FMO。在弱光条件下或长时间曝光时，任何移动的物体都会成为 FMO。

提出了 DeFMO——第一个通过处理在 3D 旋转的 3D 轨迹上移动的快速移动物体随时间变化的复杂外观来超越这些假设的方法。

DeFMO 是一种生成模型，可重建 FMO 的清晰轮廓和外观。

1）首先，我们将模糊的快速移动物体从背景中解开到潜在空间中。

2）然后，渲染网络的目标是在一系列子帧中渲染清晰的对象，及时捕捉运动。该网络在具有复杂、高度纹理化对象的合成数据集上进行端到端训练。

3）由于受 FMO 图像形成模型启发的自监督损失函数项，我们的方法很容易推广到现实世界的数据，如图 1 所示。 DeFMO 可以应用于许多领域，例如视频时间超分辨率，数据压缩、监视、天文学和显微镜学。总的来说，本文做出了以下贡献：

• 我们展示了第一个用于 FMO 去模糊的全神经网络模型，它弥合了 FMO 去模糊、3D 建模和子帧跟踪之间的差距。

• 仅对具有新型自我监督损失的合成数据进行训练，在 FMO 的轨迹和清晰外观重建方面树立了新的艺术状态。

• 我们引入了一个具有复杂对象、纹理和背景的新合成数据集。数据集和模型实现是公开的。

标签：DeFMO,Recovery,物体,Fast,FMO,去模糊,移动,3D
来源： https://www.cnblogs.com/ming-michelle/p/14899501.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。