标题：RAFT: Recurrent All-Pairs Field Transforms for Optical Flow作者：Zachary Teed, Jis Deng来源：ECCV 2020编辑：方川审核：张海晗大家好，今天给大家带来的Princeton VL的光流估计工作: RAFT: Recurrent All-Pairs Field Transforms for Optical Flow. 这篇工作把光流估计问题使用深度神经网络端到端的估计所有像素的运动，并且取得了比以往光流算法更高的精度和鲁棒性。摘要本文提出了Recurrent All-Pairs Field Transforms(RAFT), 一个光流估计的深度神经网络. RAFT 提取像素级的特征, 为所有像素建立多尺度 4D 关联信息, 通过查找4D关联信息, 循环迭代的更新光流场. 本文算法在KITTI、Sintel数据集上取得了state-of-the-art的表现. 同时, RAFT在多个数据集上有很强的泛化能力, 并且在训练速度、参数数量、推理时间上都有很高
文章无法展示全部，请购买VIP后
使用网页访问内容 或者 使用第三方RSS订阅工具访问内容
