ECCV 2020 論文大盤點-光流篇

本文盤點 ECCV 2020 所有光流（Optical Flow）相關論文，總計 7 篇，值得一提的是來自普林斯頓大學的論文『RAFT: Recurrent All-Pairs Field Transforms for Optical Flow』獲得 ECCV 2020 最佳論文獎（附相關視頻）。

下載包含這些論文的 ECCV 2020 所有論文：

ECCV 2020 論文合集下載，分類盤點進行中

RAFT: Recurrent All-Pairs Field Transforms for Optical Flow

作者 | Zachary Teed, Jia Deng

單位 | 普林斯頓大學

論文 | https://arxiv.org/abs/2003.12039

代碼 | https://github.com/princeton-vl/RAFT

備註 | ECCV 2020 Oral，ECCV 2020 最佳論文獎

在 KITTI 數據集上，RAFT 的 F1-all 誤差是 5.10%，相比先前的最佳結果（6.10%）減少了 16%；在 Sintel 數據集（final pass）上，RAFT 只有 2.855 像素的端點誤差（end-point-error），相比先前的最佳結果（4.098 像素）減少了 30%。另外，RAFT 具有強大的跨數據集泛化能力，並且在推理時間、訓練速度和參數計數方面具有很高的效率。

What Matters in Unsupervised Optical Flow？

作者 | Rico Jonschkowski, Austin Stone, Jonathan T. Barron, Ariel Gordon, Kurt Konolige, Anelia Angelova

單位 | 谷歌

論文 | https://arxiv.org/abs/2006.04902

代碼 | https://github.com/google-research/google-research/tree/master/uflow

備註 | ECCV 2020 Oral 

非監督光流估計研究。

將光流用於視頻風格遷移，更高效更穩定

Optical Flow Distillation: Towards Efficient and Stable Video Style Transfer

作者 | Xinghao Chen, Yiman Zhang, Yunhe Wang, Han Shu, Chunjing Xu, Chang Xu

單位 | 華爲諾亞方舟實驗室；悉尼大學

論文 | https://arxiv.org/abs/2007.05146

備註 | ECCV 2020

FlowNet 的最新演化版，效果好、速度更快、模型更小

LiteFlowNet3: Resolving Correspondence Ambiguity for More Accurate Optical Flow Estimation

作者 | Tak-Wai Hui, Chen Change Loy

單位 | 港中文；南洋理工大學

論文 | https://arxiv.org/abs/2007.09319

代碼 | https://github.com/twhui/LiteFlowNet3

備註 | ECCV 2020

使用深度特徵相似性挖掘在非監督光流估計中的應用

Unsupervised Learning of Optical Flow with Deep Feature Similarity

作者 | Woobin Im, Tae-Kyun Kim, Sung-Eui Yoon

單位 | 韓國科學技術院；帝國理工學院

論文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123690171.pdf

代碼 | https://github.com/iwbn/unsupsimflow

備註 | ECCV 2020

將由粗到細和特徵金字塔引入光流估計，精度大幅提高。

Improving Optical Flow on a Pyramid Level

作者 | Markus Hofinger, Samuel Rota Bulò, Lorenzo Porzi, Arno Knapitsch, Thomas Pock, Peter Kontschieder

單位 | Facebook；格拉茨技術大學

論文 | https://arxiv.org/abs/1912.10739

備註 | ECCV 2020

將脈衝神經網絡用於事件相機的光流估計

Spike-FlowNet: Event-based Optical Flow Estimation with Energy-Efficient Hybrid Neural Networks

作者 | Chankyu Lee, Adarsh Kumar Kosta, Alex Zihao Zhu, Kenneth Chaney, Kostas Daniilidis, Kaushik Roy

單位 | 普渡大學；賓夕法尼亞大學

論文 | https://arxiv.org/abs/2003.06696

代碼 | https://github.com/chan8972/Spike-FlowNet

備註 | ECCV 2020

更多內容，爲您推薦

CVPR 2020 論文大盤點-光流篇

光流估計——從傳統方法到深度學習

編輯：CV君

轉載請聯繫本公衆號授權

備註：光流

光流估計交流羣

光流估計等技術，

若已爲CV君其他賬號好友請直接私信。

OpenCV中文網

微信號 : iopencv

QQ羣：805388940

微博/知乎：@我愛計算機視覺

投稿：[email protected]

網站：www.52cv.net

在看，讓更多人看到