PF-WILLOW

在存在类内变化和场景布局发生较大变化的情况下，寻找图像对应仍然是一个具有挑战性的问题。语义流方法旨在处理描绘同一对象或场景类别的不同实例的图像。我们引入了一种新的语义流方法，称为提案流，它使用对象提案建立可靠的对应关系。与在像素或定期采样的局部区域上运行的流行语义流方法不同，提案流受益于现代对象提案的特征，在多个尺度上表现出高可重复性，并且可以利用提案之间的局部和几何一致性约束。我们还表明，相应的稀疏提议流可以有效地转换为传统的密集流场。我们引入了两个新的具有挑战性的数据集，可用于评估通用语义流技术和基于区域的方法，例如提案流。我们使用这些基准将提案流中的不同匹配算法、对象提案和区域特征与语义流中的最新技术进行比较。这种比较以及对标准数据集的实验表明，提案流在各种设置中明显优于现有的语义流方法。