Tag · 2 篇
代价体
分布 视频理解与时序13D 视觉与重建1
01 02
CoWTracker：以变形替代相关性的跟踪方法
CoWTracker: Tracking by Warping instead of Correlation
用基于当前跟踪估计的特征变形（warping）替代代价体做跨帧匹配，把复杂度从空间分辨率的平方降到线性，并用 Transformer 对所有轨迹做联合时空推理；做视频对应、光流或长程跟踪的工作可以直接复用这一迭代变形框架，并把它当作统一稠密点跟踪与光流估计的骨干设计。
面向稠密场景理解的跨视角关联三维感知多任务学习
3D-Aware Multi-Task Learning with Cross-View Correlations for Dense Scene Understanding
把跨视角代价体作为几何一致性先验注入多任务编码器，为分割/深度等稠密任务提供 3D 感知的跨任务关联；该模块与架构无关，可直接插到现有 MTL 网络中复用。