目录
2.2 Computing Visual Similarity
1. 概述
First,与之前的研究不同(普遍采用的从粗到精的设计),RAFT maintains and updates a single fixed flow field at high resolution.
这样做的好处:1. 在粗分辨率下从错误中恢复的困难,
2. 错过快速移动的小物体的倾向,
3. 以及训练多级级联通常需要的许多训练迭代(通常超过1M)
Second,RAFT的更新操作符具有循环性和轻量级
轻量性:迭代FlowNetS受网络大小/参数量大的限制,迭代PWCnet受到金字塔级别数量的限制
循环性:SpyNet[39]、PWC-Net[42]、LiteFlowNet[22]、VCN[49] 它们在迭代之间不共享权重,而RAFT是共享权重的
Third,更新算子 update operator具有新颖的设计
它由一个卷积GRU组成,该GRU在4D多尺度相关体积上执行查找;相比之下,先前工作中的