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。