一、概述

        卷积神经网络（CNN）对各种计算机视觉任务做出了巨大贡献。最近，CNN 已成功用于估计光流。与传统方法相比，这些方法在质量上取得了很大的提高。在此，我们将对以下论文进行简要回顾。

        FlowNet1.0和FlowNet2.0都是端到端架构。FlowNet2.0是FlowNetCorr和FlowNetS的堆叠，比FlowNetCorr和FlowNetS都有更好的结果。FlowNetS 简单地堆叠两个连续相邻的图像作为输入，而在 FlowNetCorr 中，两个图像分别进行卷积，并通过相关层组合。在空间金字塔网络中，作者为每一层独立训练一个深度网络来计算流更新。SPyNet 和 FlowNet2.0 都以从粗到细的方式估计大运动。FlowNet2.0在这些架构中具有最好的性能，而SPyNet具有最少的模型参数。

二、FlowNet：使用卷积网络学习光流