Descargar PWC Net - Descargar el código fuente PWC Net

PWC Net

Pitón

1.0.0

Descargar

PWC-NET: CNNS para flujo óptico usando pirámide, deformación y volumen de costos

Licencia

Uso

Para los usuarios de Caffe, consulte Caffe/ReadMe.MD.

Para los usuarios de Pytorch, consulte Pytorch/Readme.md

La implementación de Pytorch casi coincide con la implementación del Caffe (EPE promedio en el pase final del conjunto de entrenamiento de Sintel: 2.31 por Pytorch y 2.29 por Caffe).

Arquitectura de red

PWC-NET fusiona varias técnicas clásicas de estimación de flujo óptico, incluidas la pirámide de imágenes, la deformación y el volumen de costos, en una redes neuronales profundas capacitables de extremo a extremo para lograr resultados de última generación.

Papel y cita

Deqing Sun, Xiaodong Yang, Ming-Yu Liu y Jan Kautz. "PWC-NET: CNN para flujo óptico usando pirámide, deformación y volumen de costos". CVPR 2018 o ARXIV: 1709.02371

Versión actualizada y extendida: "Los modelos son importantes, también lo hace el entrenamiento: un estudio empírico de CNN para la estimación del flujo óptico". ARXIV: 1809.05571

Enlace de la página del proyecto

Hablar en Robust Vision Challenge Workshop

Hablar en la conferencia CVPR 2018

Si usa PWC-NET, cite el siguiente documento:

 @InProceedings{Sun2018PWC-Net,
  author    = {Deqing Sun and Xiaodong Yang and Ming-Yu Liu and Jan Kautz},
  title     = {{PWC-Net}: {CNNs} for Optical Flow Using Pyramid, Warping, and Cost Volume},
  booktitle = CVPR,
  year      = {2018},
}

o el papel arxiv

 @article{sun2017pwc,
  author={Sun, Deqing and Yang, Xiaodong and Liu, Ming-Yu and Kautz, Jan},
  title={{PWC-Net}: {CNNs} for Optical Flow Using Pyramid, Warping, and Cost Volume},
  journal={arXiv preprint arXiv:1709.02371},
  year={2017}
}

o la versión actualizada y extendida

 @article{Sun2018:Model:Training:Flow,
  author={Sun, Deqing and Yang, Xiaodong and Liu, Ming-Yu and Kautz, Jan},
  title={Models Matter, So Does Training: An Empirical Study of CNNs for Optical Flow Estimation},
  journal={IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)},
  note = {to appear}
}

Para el flujo de múltiples cuadros, también cita

 @inproceedings{ren2018fusion,
  title={A Fusion Approach for Multi-Frame Optical Flow Estimation},
  author={Ren, Zhile and Gallo, Orazio and Sun, Deqing and Yang, Ming-Hsuan and Sudderth, Erik B and Kautz, Jan},
  booktitle={Proceedings of the IEEE Winter Conference on Applications of Computer Vision (WACV)},
  year={2019}
}