Скачать PWC Net - Скачать исходный код PWC Net

PWC Net

Питон

1.0.0

Скачать

PWC-Net: CNN для оптического потока с использованием пирамиды, деформации и объема стоимости

Лицензия

Использование

Для пользователей Caffe, пожалуйста, обратитесь к Caffe/readme.md.

Для пользователей Pytorch, пожалуйста, обратитесь к pytorch/readme.md

Реализация Pytorch практически соответствует реализации Caffe (средний EPE на окончательном проходе обучающего набора Sintel: 2,31 от Pytorch и 2,29 от Caffe).

Сетевая архитектура

PWC-сеть объединяет несколько классических методов оценки оптического потока, включая пирамиду изображения, деформацию и объем стоимости, в сквозных тренировочных глубоких нейронных сетях для достижения самых современных результатов.

Бумага и цитата

DeQing Sun, Xiaodong Yang, Ming-Yu Liu и Jan Kautz. «PWC-Net: CNN для оптического потока с использованием пирамиды, деформации и объема стоимости». CVPR 2018 или Arxiv: 1709.02371

Обновленная и расширенная версия: «Модели имеют значение, так и обучение: эмпирическое исследование CNN для оценки оптического потока». Arxiv: 1809.05571

Ссылка на страницу проекта

Говорить на семинаре Othucust Vision Challenge

Разговор на конференции CVPR 2018

Если вы используете Pwc-Net, пожалуйста, укажите следующую статью:

 @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},
}

или арксивская бумага

 @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}
}

или обновленная и расширенная версия

 @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}
}

Для многократного потока, пожалуйста, цитируйте

 @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}
}