LLA-FLOW：一种用于光流估计的代价体轻量局部聚合方法
计算机视觉与模式识别
2023-07-19 v2
摘要
缺乏纹理常导致匹配歧义，处理该问题是光流估计中的重要挑战。一些方法插入堆叠的 Transformer 模块，使网络能利用代价体的全局信息进行估计。但全局信息聚合在训练与推理中常带来严重的内存与时间开销，阻碍了模型部署。我们从传统局部区域约束获得灵感，设计了局部相似度聚合（LSA）与偏移局部相似度聚合（SLSA）。代价体聚合由作用于特征图的轻量模块实现。在 Sintel 最终 pass 上的实验表明，我们的方法在保持有竞争力性能的同时所需开销更低。
引用
@article{arxiv.2304.08101,
title = {LLA-FLOW: A Lightweight Local Aggregation on Cost Volume for Optical Flow Estimation},
author = {Jiawei Xu and Zongqing Lu and Qingmin Liao},
journal= {arXiv preprint arXiv:2304.08101},
year = {2023}
}