PWC Net下载-PWC PWC Net源代码下载

PWC Net

Python

1.0.0

下载

PWC-NET：用于使用金字塔，扭曲和成本量的光流的CNN

执照

用法

对于Caffe用户，请参阅Caffe/readme.md。

有关Pytorch用户，请参考pytorch/readme.md

Pytorch的实施几乎与CAFFE实施相匹配（Sintel训练集的最终传球：Pytorch的2.31，Caffe的平均EPE）。

网络架构

PWC-NET融合了几种经典的光流估计技术，包括图像金字塔，翘曲和成本量，以端到端可训练的深度神经网络，以实现最先进的结果。

纸和引文

Deqing Sun，Xiaodong Yang，Ming-Yu Liu和Jan Kautz。 “ PWC-NET：使用金字塔，翘曲和成本量的光流的CNN。” CVPR 2018或ARXIV：1709.02371

更新和扩展版本：“模型很重要，培训也是如此：CNN的经验研究，用于光流估计。” Arxiv：1809.05571

项目页面链接

在强大的视力挑战研讨会上谈论

在CVPR 2018会议上谈话

如果您使用PWC-NET，请引用以下论文：

 @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},
}

或arxiv纸

 @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}
}

或更新和扩展版本

 @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}
}

对于多帧流程，也请引用

 @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}
}