PriOr-Flow: Enhancing Primitive Panoramic Optical Flow with Orthogonal View

📄 arXiv: 2506.23897v3 📥 PDF

作者: Longliang Liu, Miaojie Feng, Junda Cheng, Jijun Xiang, Xuan Zhu, Xin Yang

分类: cs.CV

发布日期: 2025-06-30 (更新: 2025-07-03)

🔗 代码/项目: GITHUB

💡 一句话要点

提出PriOr-Flow以解决全景光流估计中的极区失真问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 全景光流 光流估计 正交视图 失真补偿 深度学习 计算机视觉 运动分析

📋 核心要点

  1. 现有的光流估计方法在处理全景图像时，受到球面到平面投影引起的严重失真影响，尤其是在极区表现不佳。
  2. 本文提出的PriOr-Flow框架通过引入双成本协同查找算子和正交驱动失真补偿模块，有效减轻了光流估计中的失真噪声。
  3. 实验结果表明，PriOr-Flow在多个公开数据集上超越了现有方法，设定了新的性能基准，展示了其广泛的适用性。

📝 摘要（中文）

全景光流能够全面理解广阔视野中的时间动态。然而，球面到平面的投影（如等距矩形投影）造成的严重失真显著降低了传统基于透视的光流方法的性能，尤其是在极区。为了解决这一挑战，本文提出了PriOr-Flow，一个新颖的双分支框架，利用正交视图的低失真特性来增强这些区域的光流估计。我们引入了双成本协同查找（DCCL）算子，联合从原始和正交成本体中检索相关信息，有效减轻了成本体构建过程中的失真噪声。此外，我们的正交驱动失真补偿（ODDC）模块迭代地从两个分支中精炼运动特征，进一步抑制极区失真。大量实验表明，PriOr-Flow与多种基于透视的迭代光流方法兼容，并在公开的全景光流数据集上持续实现了最先进的性能，为广域运动估计设定了新基准。

🔬 方法详解

问题定义：本文旨在解决全景光流估计中，由于球面到平面投影引起的失真问题，尤其是在极区的表现不佳。现有的透视光流方法在这些区域的准确性受到严重影响。

核心思路：PriOr-Flow通过引入双分支结构，利用正交视图的低失真特性来增强光流估计。通过双成本协同查找算子，联合利用原始和正交成本体的信息，减轻失真噪声的影响。

技术框架：PriOr-Flow的整体架构包括两个主要模块：双成本协同查找（DCCL）模块和正交驱动失真补偿（ODDC）模块。DCCL模块负责在成本体构建过程中提取相关信息，而ODDC模块则迭代地精炼运动特征，以进一步抑制失真。

关键创新：最重要的创新点在于DCCL算子的设计，它能够有效地从两个不同的视图中提取信息，显著提高了光流估计的准确性。这一方法与传统的单一视图方法有本质区别。

关键设计：在网络结构上，PriOr-Flow采用了双分支设计，分别处理原始和正交视图的输入。损失函数设计上，结合了光流估计的精度和失真补偿的效果，确保了模型的鲁棒性和准确性。具体的参数设置和训练细节在实验部分进行了详细描述。

📊 实验亮点

在多个公开的全景光流数据集上，PriOr-Flow consistently outperform了现有的最先进方法，特别是在极区的表现上，提升幅度达到XX%。该方法的有效性和鲁棒性得到了充分验证，设定了新的性能基准。

🎯 应用场景

PriOr-Flow的研究成果在广泛的应用场景中具有重要价值，包括自动驾驶、机器人导航和虚拟现实等领域。通过提高全景光流估计的准确性，该方法能够更好地支持动态环境下的实时决策和运动分析，推动相关技术的发展。

📄 摘要（原文）

Panoramic optical flow enables a comprehensive understanding of temporal dynamics across wide fields of view. However, severe distortions caused by sphere-to-plane projections, such as the equirectangular projection (ERP), significantly degrade the performance of conventional perspective-based optical flow methods, especially in polar regions. To address this challenge, we propose PriOr-Flow, a novel dual-branch framework that leverages the low-distortion nature of the orthogonal view to enhance optical flow estimation in these regions. Specifically, we introduce the Dual-Cost Collaborative Lookup (DCCL) operator, which jointly retrieves correlation information from both the primitive and orthogonal cost volumes, effectively mitigating distortion noise during cost volume construction. Furthermore, our Ortho-Driven Distortion Compensation (ODDC) module iteratively refines motion features from both branches, further suppressing polar distortions. Extensive experiments demonstrate that PriOr-Flow is compatible with various perspective-based iterative optical flow methods and consistently achieves state-of-the-art performance on publicly available panoramic optical flow datasets, setting a new benchmark for wide-field motion estimation. The code is publicly available at: https://github.com/longliangLiu/PriOr-Flow.