RAFT(Recurrent All-Pairs Field Transforms)是光流估计的 SOTA 方法,通过递归更新实现高精度。
核心思想
- 从每个像素提取特征
- 构建多尺度 4D 相关体积
- 递归单元迭代更新光流场
性能
| 数据集 | 端点误差 | 对比 |
|---|---|---|
| KITTI | 5.10% F1-all | 降低 16% |
| Sintel | 2.855 像素 | 降低 30% |
特点
- 强跨数据集泛化能力
- 推理高效
- 训练速度快
代码:https://github.com/princeton-vl/RAFT
RAFT(Recurrent All-Pairs Field Transforms)是光流估计的 SOTA 方法,通过递归更新实现高精度。
| 数据集 | 端点误差 | 对比 |
|---|---|---|
| KITTI | 5.10% F1-all | 降低 16% |
| Sintel | 2.855 像素 | 降低 30% |
代码:https://github.com/princeton-vl/RAFT
Comments