代码及数据集均开源！苏黎世大学提出事件相机稠密光流估计算法，误差减少66%！3DV 2021
TIP! Right-click and select "Save link as..." to download.
| VIDEOS | |||
| MP4 | N/A | 480P | Download |
| MP4 | N/A | 360P | Download |
| AUDIO | |||
| MP4 | N/A | mp4a.40.2 | Download |
| MP4 | N/A | mp4a.40.2 | Download |
| MP4 | N/A | mp4a.40.2 | Download |
| THUMBNAILS | |||
|
JPEG | Origin Image | Download |
https://www.youtube.com/watch?v=dN8fl7-XfNw&t=1s
我们主要发现的是与以前仅依赖卷积层的方法相比，引入相关特征显著改善了结果。与最新技术相比，我们提出的方法计算稠密光流，并在MVSEC上将终点误差减少23%。此外，我们还表明，迄今为止为事件摄影机开发的所有现有光流方法都已在位移场非常小的数据集上进行了评估，最大流量大小为10像素。我们介绍了一个新的真实世界数据集，该数据集显示的位移场的大小高达210像素，并且基于此观测的相机分辨率高出3倍。我们提出的方法将该数据集的端点误差减少了66%。
代码链接：https://github.com/uzh-rpg/E-RAFT
项目网页：http://rpg.ifi.uzh.ch/ERAFT.html
我们主要发现的是与以前仅依赖卷积层的方法相比，引入相关特征显著改善了结果。与最新技术相比，我们提出的方法计算稠密光流，并在MVSEC上将终点误差减少23%。此外，我们还表明，迄今为止为事件摄影机开发的所有现有光流方法都已在位移场非常小的数据集上进行了评估，最大流量大小为10像素。我们介绍了一个新的真实世界数据集，该数据集显示的位移场的大小高达210像素，并且基于此观测的相机分辨率高出3倍。我们提出的方法将该数据集的端点误差减少了66%。
代码链接：https://github.com/uzh-rpg/E-RAFT
项目网页：http://rpg.ifi.uzh.ch/ERAFT.html
Supported Sites
