我们提出 FlowSeek,一个新颖的光流框架,其训练仅需极少的硬件资源。FlowSeek 将光流网络设计空间的最新进展,与最前沿的单图像深度基础模型和经典的低维运动参数化方法相结合,构建了一个紧凑但精确的架构。FlowSeek 仅需在一块消费级 GPU 上进行训练,其硬件开销约为当前多数最新方法的 1/8,但仍在 Sintel Final 和 KITTI 上展现出更强的跨数据集泛化能力,相较于之前的最新方法 SEA-RAFT 分别实现了 10%15% 的相对提升,同时在 Spring 和 LayeredFlow 数据集上也表现出色。

成为VIP会员查看完整内容
9

相关内容

【ICML2024】量化稳定扩散中的原创性
专知会员服务
17+阅读 · 2024年8月18日
通过集成 XNNPACK 实现推理速度飞跃
TensorFlow
26+阅读 · 2020年7月30日
DeepMind:用PopArt进行多任务深度强化学习
论智
29+阅读 · 2018年9月14日
MNIST入门:贝叶斯方法
Python程序员
23+阅读 · 2017年7月3日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
Arxiv
174+阅读 · 2023年4月20日
Arxiv
25+阅读 · 2023年3月17日
VIP会员
相关VIP内容
相关资讯
通过集成 XNNPACK 实现推理速度飞跃
TensorFlow
26+阅读 · 2020年7月30日
DeepMind:用PopArt进行多任务深度强化学习
论智
29+阅读 · 2018年9月14日
MNIST入门:贝叶斯方法
Python程序员
23+阅读 · 2017年7月3日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
微信扫码咨询专知VIP会员