标签: #RAFT

← 全部文章

• 光流与 RAFT：用像素解读运动 —— 比较所有像素对，重复相同的更新

  本文介绍了光流（optical flow），它表示两帧之间每个像素去往了何处。我们探讨了经典方法（Lucas–Kanade）的“亮度恒定、运动很小”假设与孔径问题、学习模型如何获取正确答案（合成数据 Flying Chairs），以及 RAFT 的三个部件（所有像素对的相关体、半径查找、权重共享的迭代更新）和每次迭代施加的损失。通过 numpy 构建相关体并运行迭代更新，我们亲眼确认了误差从 0.45px 降至 0.04px，以及条纹中

  2026-10-17 · 14 分钟阅读 #비전 모델#광류#RAFT#FlowNet#PWC-Net