BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 作者重访了三种主要的光流模型：PWC-Net、IRR-PWC 和 RAFT。
- 使用相同的现代培训技术和数据集，观察到显著的性能提升。
- 新培训的 PWC-Net 和 IRR-PWC 模型在 Sintel 和 KITTI 2015 基准测试中提高了 30%。
- 新培训的模型在推理期间的运行速度更快。
- RAF 的新培训在 KITTI 2015 上的 Fl-all 得分比所有已发布的光流方法更准确，达到了 4.31%。
➡️
