重新思考用于高效光流的 RAFT
原文中文，约300字，阅读约需1分钟。发表于：。该论文提出了一种基于 RAFT 框架的 Attention-based Feature Localization (AFL) 方法，通过引入注意力机制处理全局特征提取和解决重复模式问题，进而提出了 Amorphous Lookup Operator (ALO) 来提高收敛速度和处理大位移的能力。结果表明，该方法在 Sintel 数据集上提高了 10%，在 KITTI 数据集上提高了...
作者通过使用相同的现代培训技术和数据集，重访了三种光流模型，并发现它们在性能上有显着提升。新培训的模型在基准测试中表现出更好的结果，并且运行速度更快。其中一种模型在KITTI 2015上的得分比其他已发布的光流方法更准确。
