高分辨率多尺度 RAFT（鲁棒视觉挑战赛 2022）
计算机视觉与模式识别
2025-05-29 v1
摘要
在本报告中，我们提出赢得鲁棒视觉挑战赛 2022 的光流方法 MS-RAFT+。该方法基于 MS-RAFT，其成功地将若干多尺度概念集成到单尺度 RAFT 中。我们的方法通过利用额外的更精细尺度来估计光流对该方法进行扩展，这通过按需代价计算得以实现。如此，它不仅能以原始分辨率一半的尺度运行，还可使用 MS-RAFT 的共享凸上采样器获得全分辨率光流。此外，我们的方法在训练时依赖于调整后的微调方案，这旨在提升跨基准的泛化能力。在鲁棒视觉挑战赛所有参赛方法中，我们的方法在 VIPER 上排名第一，在 KITTI、Sintel 和 Middlebury 上排名第二，从而位居总排名第一。
引用
@article{arxiv.2210.16900,
title = {High Resolution Multi-Scale RAFT (Robust Vision Challenge 2022)},
author = {Azin Jahedi and Maximilian Luz and Lukas Mehl and Marc Rivinius and Andrés Bruhn},
journal= {arXiv preprint arXiv:2210.16900},
year = {2025}
}
备注
Technical report for the Robust Vision Challenge 2022