.png){kind=icon}
返回
Enhanced optical flow estimation via multiscale kernel selection and super-resolution integration
.png){kind=icon}
PRE
AI
DOI：10.1007/s00371-025-04198-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
光流估计在计算机视觉中至关重要，它捕捉相邻帧之间的运动。传统方法如RAFT在弱纹理区域存在特征捕获和适应性有限的缺陷。我们提出了一种改进的光流估计网络，集成了多尺度核选择和超分辨率技术。一种无参数的Swift 3D加权注意力机制动态调整特征重要性，而超分辨率模块增强了细粒度特征捕获。一个具有多尺度核选择性的上下文网络扩大了感受野，提高了适应性。实验结果表明，在Sintel和FlyingChairs等数据集上准确率显著提升，展示了该方法在复杂场景中的有效性。代码位置 https://github.com/yifanna/PS3D-flow.git。
Keyword:
Optical flow estimation
Attention mechanism
Super-resolution
Kernel selection
期刊
T
IF:
0
论文数:
369
被引数:
0
机构
引用论文
Optical Flow Estimation Method Based on Bidirectional Consistency Combined Occlusion基于双向一致性结合遮挡的光流估计方法
PREAI
分享收藏Green Space Reverse Pixel Shuffle Network: Urban Green Space Segmentation Using Reverse Pixel Shuffle for Down-Sampling from High-Resolution Remote Sensing Images反向像素混洗网络：利用反向像素混洗从高分辨率遥感图像进行下采样的城市绿地分割.png)
Forests
ForestsIF0
PREAI
分享收藏FPCR-Net: Feature pyramidal correlation and residual reconstruction for optical flow estimationFpcr-net: 用于光流估计的特征金字塔相关和残差重建NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏
分享收藏Implicit guidance for enhancing low-light optical flow estimation via channel attention networksVISUAL COMPUTER
VISUAL COMPUTERIF2.9
PREAI
分享收藏Color-patterned fabric defect detection algorithm based on triplet attention multi-scale U-shape denoising convolutional auto-encoder基于三元组注意力多尺度U型去噪卷积自编码器的彩色图案织物缺陷检测算法
PREAI
分享收藏
查看更多内容