SMURF：基于全图扭曲的自教学多帧无监督 RAFT
计算机视觉与模式识别
2021-05-18 v1
摘要
我们提出 SMURF，一种无监督光流学习方法，其在所有基准上将最先进水平提升了 至 （相对于先前最佳方法 UFlow），甚至优于若干有监督方法如 PWC-Net 和 FlowNet2。我们的方法整合了有监督光流中的架构改进，即 RAFT 模型，以及无监督学习的新思路，包括序列感知的自监督损失、处理帧外运动的技术，以及从多帧视频数据有效学习但仍只需两帧进行推断的方法。
引用
@article{arxiv.2105.07014,
title = {SMURF: Self-Teaching Multi-Frame Unsupervised RAFT with Full-Image Warping},
author = {Austin Stone and Daniel Maurer and Alper Ayvaci and Anelia Angelova and Rico Jonschkowski},
journal= {arXiv preprint arXiv:2105.07014},
year = {2021}
}
备注
Accepted at CVPR 2021, all code available at https://github.com/google-research/google-research/tree/master/smurf