weixin_40287314的博客

Could not find a package configuration file provided by"qpoases_vendor"

ubuntu nvidia和intel双显卡切换，ubuntu nvidia独显和intel集显切换，nvidia-settings，nvidia-smi

误删/usr/bin/ld怎么解决,g++/gcc编译链接遇到Syntax error: newline unexpected 怎么解决,By not providing "Findrosidl_default_generators.cmake" in CMAKE_MODULE_PATH this project has asked CMake to find a package configuration file provided by "rosidl_default_generators",

ubuntu邮箱软件 Evolution 配置，QQ邮箱的配置，163邮箱的配置

VNC 连接 Ubuntu 18.04 服务版。即通过window 桌面操作系统 去远程控制 linux ， 那么VNC 就需要安装 服务端和 客户端。

linux中运行python遇到PermissionError [Errno 13] Permission denied解决方法问题：PermissionError: [Errno 13] Permission denied: './test_results/RAFT32-PIV_test_backstep/Rank_00Test_image_000.png'思路：python没有写权限，可能是对应文件夹不允许写入（只允许读），导致无法保存在对应文件夹下或无法创建文件输出解决方案：1、先赋予相

Ubuntu18.04 安装后应该做的事转载自大佬的文章：https://blog.csdn.net/hymanjack/article/details/80285400，我记得原来大佬叫做–洛伦丹的秋天，印象深刻哈哈O(∩_∩)O1.更新源找到Software & Updates，将源更新为阿里云的源在Other Software里将Canonical Partners勾上。然后自己手动更新一下：sudo apt updatesudo apt upgrade2.Sougou Pi

torch.load()加载模型时出现如下错误flownet.load_state_dict(torch.load(PATH)['model_state_dict'])报错如下：RuntimeError: storage has wrong size: expected 0 got 128因为加载了一下另一个cheakpoint数据UnLiteFlowNet_checkpoint_44_2022_03_16_20_26_14.pt，导致原来的模型参数UnsupervisedLiteFlowNet

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入ValueError: buffer is smaller than requested size欢迎使用Markdown

RAFT: Recurrent All Pairs Field Transforms for Optical FlowECCV 2020Zachary Teed and Jia Deng我们介绍了循环全对场变换 (RAFT)，这是一种用于光流的新型深度网络架构。 RAFT 提取每个像素的特征，为所有像素对构建多尺度 4D 相关体积，并通过对相关体积执行查找的循环单元迭代更新流场。 RAFT 实现了最先进的性能。

LiteFlowNet3: Resolving Correspondence Ambiguity for More Accurate Optical Flow EstimationTak-Wai Hui, Chen Change Loy我们介绍了 LiteFlowNet3，一个由两个专门模块组成的深度网络，以解决上述挑战。 (1) 我们通过在流解码之前通过自适应调制修改每个成本向量来改善成本量中的异常值问题。 (2) 我们通过探索局部流的一致性来进一步提高流的准确性。

LiteFlowNet: A Lightweight Convolutional Neural Network for Optical Flow Estimation Tak-Wai Hui, Xiaoou Tang, and Chen Change Loy CUHK-SenseTime Joint Lab, The Chinese University of Hong Kong IEEE Conference on Computer Vision and Pattern Recognition (CVP

FlowNet 2.0: Evolution of Optical Flow Estimation with Deep Networks Eddy Ilg, Nikolaus Mayer, Tonmoy Saikia, Margret Keuper, Alexey Dosovitskiy, Thomas Brox IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017

FlowNet: Learning Optical Flow with Convolutional Networks Alexey Dosovitskiy, Philipp Fischer, Eddy Ilg, P. Häusser, C. Hazırbaş, V. Golkov, P. Smagt, D. Cremers, Thomas Brox IEEE International Conference on Computer Vision (ICCV), 2015

UnFlow: Unsupervised Learning of Optical Flow with a Bidirectional Census Loss Simon Meister, Junhwa Hur, Stefan Roth Department of Computer Science TU Darmstadt, Germany

用于光流估计的无监督深度学习DSTFlow文章目录用于光流估计的无监督深度学习DSTFlow摘要1、简介2、相关工作2.1光流2.2从视频中学习2.3通过解开（disentangle）姿势和身份来学习网络和训练过程定位网络采样网络损失层多尺度损失累积训练实验和讨论数据集和同期方法MPI-SintelKITTIFlying Chairs训练和评估协议结果与讨论DSTFlow(Chairs)DSTFlow(KITTI) 和 DSTFlow(C+K)DSTFLOW(Sintel) 和 DSTFlow(C+S)无

Back to Basics: Unsupervised Learning of Optical Flow via Brightness Constancy and Motion Smoothness最近，卷积网络 (convnets) 已被证明可用于预测光流。 这种成功在很大程度上取决于大型数据集的可用性，这些数据集需要昂贵且复杂的数据采集和费力的标记。 为了绕过这些挑战，我们提出了一种无监督的方法（即，不利用地面实况流）来训练端到端的卷积网络来预测两个图像之间的光流。 **我们使用了一个损失函数，它结

Unsupervised Learning of Optical Flow With CNN-Based Non-Local Filtering翻译

使用金字塔卷积 LSTM 进行光流估计的无监督学习论文原文请看这里摘要​ 当前大多数基于卷积神经网络 (CNN) 的光流估计方法都侧重于在具有真实值的合成数据集上学习光流，这是不切实际的。 在本文中，我们提出了一种名为 PCLNet 的无监督光流估计框架。 它使用具有相邻帧重建约束的 pyramid Convolution LSTM (ConvLSTM)，可以灵活地估计来自任何视频剪辑的多帧光流。 此外，通过将运动特征学习和光流表示解耦，我们的方法避免了现有框架中使用的复杂快捷连接，同时提高了光流估