This thesis is in the field of computer vision, focusing on the problems of optical flow
estimation. Optical flow is a notoriously difficult 2D problem since it’s inherently underconstrained. To introduce the concept of cyclopean optical flow, we will downgrade the
2D into 1D to make it more accessible. It proposes a new approach based on a "cyclopean" frame of reference. We apply a constrained gradient-based technique to solve
1D optical flow, for which the constraints are gradient behavior and correlation score.
This thesis focuses on the fundamental problem of ensuring that the gradient remains
usable in an interval large enough to cover the spatial displacement of motion. The proposed "cyclopean" approach does not enforce optical measurements over a fixed grid,
which results in more reliable results. To further increase the allowed motion interval,
we propose a pyramidal constraint that allows solving over a coarse-to-fine approach.
We solved over aerial imagery, Sintel data-set, and Sintel data-set when artificially displaced 10% of the ground truth. This work is developed in the "continuous" framework
commonly used for small motion optical flow. Our results showed good management of
false positives while maintaining a good amount of convergence density. However, our
method isn’t as precise as the current state-of-the-art benchmarks, as it specializes in
very small motions. Also, it’s important to mention versatility comes with the concept
of "continuous" representation. This allows us to select regions to be solved, opening
the possibility of adapting to the spectrum of sparse or dense optical flow.
From this study point of view, we can highlight traditional methods have relevance
even in the deep learning era, offering a new set of tools to exploit on the pursue of
solving optical flow. / Ce mémoire s’intéresse au domaine de la vision par ordinateur, et plus particulièrement l’estimation du flux optique. Le flux optique est un problème 2D notoirement
difficile, car il est intrinsèquement sous-contraint. Pour introduire la notion de flux optique cyclopéen, nous allons considérer le problème en 1D pour éliminer le problème
d’ouverture lié au mouvement 2D. Nous proposons une nouvelle approche basée sur
un référentiel « cyclopéen », basée sur gradient calculé dans un espace continu pour
résoudre le flux optique 1D. Ce mémoire se concentre a garantir que le gradient reste
utilisable dans un intervalle suffisamment grand pour couvrir le déplacement spatial du
mouvement. Lors de la résolution sur une approche coarse-to-fine, une représentation
pyramidale est utilisée. Les résultats sur des images aériennes ainsi que des données
synthétiques sont prometteurs. Ce travail se distingue des tendances actuelles en flux
optique parle fait qu’il se spécialise pour les flux optiques à faible mouvement.
Nos résultats ont montré une bonne gestion des faux positifs tout en conservant
une bonne densité. Nous considérons que la fiabilité des mesures de mouvement est
très élevée, ce qui est au moins aussi important que la précision elle-même dans beaucoup d’applications. Ainsi, la polyvalence de la représentation "continue" permet de
mieux contrôler la densité obtenue en fonction de la scène analysée. À notre avis, cette
approche, qui complète les méthodes traditionnelles, ouvrira la voie à de nouvelles
approches en apprentissage profond.
| Identifer | oai:union.ndltd.org:umontreal.ca/oai:papyrus.bib.umontreal.ca:1866/27491 |
| Date | 04 1900 |
| Creators | Robles Hernández, Maria Fernanda |
| Contributors | Roy, Sébastien |
| Source Sets | Université de Montréal |
| Language | English |
| Detected Language | French |
| Type | thesis, thèse |
| Format | application/pdf |
Page generated in 0.0029 seconds