【PaperRead】RAFT-论文笔记
RAFT: Recurrent All Pairs Field Transforms for Optical Flow
ECCV 2020
Zachary Teed and Jia Deng
论文:https://arxiv.org/pdf/2003.12039.pdf
代码:https://github.com/princeton-vl/RAFT
论文框架:
RAFT 网络包含三个部分:
(1)Feature Encoder:提取对应每个像素的特征
(2)Correlation Layer:对所有特征求内积矩阵,大小为 W×H×W×H
(3)Update Operator:使用 GRU 循环神经网络更新光流,通过迭代获得更好结果
光流更新GRU:
其中,GRU之中全连接层由卷积代替
输入当前光流 fk,经过两层卷积与经过一层卷积的 Correlation 叠加,最后再与 Context 直接叠加组成 GRU 输入的特征。
特征提取对两帧进行处理,共享权重,得到两个256通道的特征图进行点乘计算,得到相关性
H * W * D * D * H * W = H * W * H * W
CNN的架构由6个残差层组成,就像ResNet的层一样,每隔一层分辨率就降低一半,同时通道数量也在增加。
视觉相似度计算为所有特征图对的内积。因此,我们将得到一个称为相关体积的四维张量,它提供了关于大小像素位移的关键信息。
Upsampling
由于输出的光流是 1/8 尺度下的,因此为了得到原始分辨率尺度,Upsampling 部分在粗分辨率上通过周围共计 3x3 的网格预测进行差值,在这一部分使用了两个卷积操作并经过一个 softmax 得到一个 H/8×W/8×(8×8×9)H/8×W/8×(8×8×9) 尺度的 mask。最终原始分辨率的光流就通过这一 mask 进行加权获得。网络输出就是得到一个 H \times W \times 2H×W×2 的结果,其中2代表x、y坐标偏移。该层通过一个 PyTorch 中的 unfold 操作即可实现。
Correlation Lookup
给定一个光流场(flow field)
损失函数为L1
Flow Prediction
GRU 的输出经过两个卷积操作就变成了最终的光流,输出光流是 1/8 尺度的,在实际预测中会经过下述 Upsampling 操作转换成原始大小。
【PaperRead】RAFT-论文笔记相关推荐
- Raft 论文精读笔记|In Search of an Understandable Consensus Alg orithm (Extended Version)
In Search of an Understandable Consensus Alg orithm (Extended Version) 寻找⼀种易于理解的⼀致性算法(扩展版) 这篇文章完全按照原 ...
- Raft论文读书笔记
Raft论文读书笔记 Raft是当前分布式领域最重要的一致性算法之一,今天我们就来好好研究研究这个算法的[论文][1], 还有对应[网站][2], [动画][3], 不想看英文的也有中文的[翻译][4 ...
- ORB-SLAM3 论文笔记
ORB-SLAM3 论文笔记 这篇博客 ORB-SLAM3系统 相机模型的抽象(Camera Model) 重定位的问题 图片矫正的问题 视觉惯性SLAM的工作原理 相关公式 IMU初始化 跟踪和建图 ...
- 【论文笔记】 LSTM-BASED DEEP LEARNING MODELS FOR NONFACTOID ANSWER SELECTION
一.简介 这篇论文由IBM Watson发表在2016 ICLR,目前引用量92.这篇论文的研究主题是answer selection,作者在这篇论文基础上[Applying Deep Learnin ...
- 最新图神经网络论文笔记汇总(附pdf下载)
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要15分钟 Follow小博主,每天更新前沿干货 [导读]近年来,图神经网络变得非常火热,每年顶会在该领域内都会出现大量的研究论文,本文为大家提 ...
- [论文笔记] Fast Quality Driven Selection of Composite Web Services (ECOWS, 2006)
Time: 4.0 hours Jae-Ho Jang, Dong-Hoon Shin, Kyong-Ho Lee, "Fast Quality Driven Selection of Co ...
- 论文笔记之:Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning
论文笔记之:Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning 2017-06-06 21: ...
- 光流 速度_[论文笔记] FlowNet 光流估计
[论文笔记] FlowNet: Learning Optical Flow with Convolutional Networks 说在前面 个人心得: 1. CNN的光流估计主要是速度上快,之后的v ...
- 论文笔记 《Maxout Networks》 《Network In Network》
原文出处:http://zhangliliang.com/2014/09/22/paper-note-maxout-and-nin/ 论文笔记 <Maxout Networks> & ...
- 论文笔记:HKMF-T: Recover From Blackouts in TaggedTime Series With Hankel Matrix Factorization
论文笔记:Hankel Matrix Factorization for Tagged Time Series to Recover Missing Values during Blackouts_U ...
最新文章
- BootStrap 模态框禁用空白处点击关闭
- Lilt:一个为翻译专家开发的人工智能翻译平台
- LeetCode面试刷题技巧- 贪心算法题习题集
- 在C#代码中应用Log4Net(五)将Log4Net正确地封装在自己的类库中并进行调用
- 观察者模式与Boost.Signals
- 失效日期 软件测试案例_软件异常测试
- 2018.11.08 NOIP模拟 景点(倍增+矩阵快速幂优化dp)
- 算法Top(K)问题
- 导入web项目运行报错找不到包
- pdf转图片文字丢失,字体映射替换
- 华为交换机配置远程连接
- 火车头伪原创接口【基于ai伪原创】
- ROC曲线和AUC面积理解
- python外星人入侵游戏
- 为什么说Python现在是风口上的猪?
- Linux 中 Permission denied
- 大数据(线性/非线性)降维方法(PCA,LDA,MDS,ISOMAP,LLE)
- BGP路由协议(1)
- tomcat的环境变量的配置
- 清华大学计算机系2015分数线,清华大学2015年计算机系GCT成绩复试分数线及复试安排...