PWC Netダウンロード-PWC PWC Netソースコードのダウンロード

PWC Net

パイソン

1.0.0

ダウンロード

PWC-NET：ピラミッド、ワーピング、コストボリュームを使用した光流量のCNNS

ライセンス

使用法

Caffeユーザーについては、caffe/readme.mdを参照してください。

Pytorchユーザーについては、pytorch/readme.mdを参照してください

Pytorchの実装は、Caffeの実装とほぼ一致しています（Sintelトレーニングセットの最終パスの平均EPE：2.31 Pytorchによる2.31、Caffeによる2.29）。

ネットワークアーキテクチャ

PWC-NETは、最先端の結果を達成するためのエンドツーエンドのトレーニング可能なディープニューラルネットワークで、画像ピラミッド、ワーピング、コストボリュームなど、いくつかの古典的な光学フロー推定技術を融合します。

紙と引用

Deqing Sun、Xiaodong Yang、Ming-Yu Liu、Jan Kautz。「PWC-NET：ピラミッド、ワーピング、コストボリュームを使用した光学フローのCNNS」 CVPR 2018またはARXIV：1709.02371

更新および拡張バージョン：「モデルは重要です、トレーニングも重要です：光流量推定のためのCNNの経験的研究。」 Arxiv：1809.05571

プロジェクトページリンク

Robust Vision Challenge Workshopで話してください

CVPR 2018会議で話してください

PWC-NETを使用する場合は、次の論文を引用してください。

 @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},
}

またはarxiv紙

 @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}
}

または更新および拡張バージョン

 @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}
}

マルチフレームフローについては、引用してください

 @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}
}