MREIFlow 光流估计网络

无监督，时间连续

仅用单张图像与事件流，即可无监督地估计稠密、时间连续的光流，摆脱了对标注数据的依赖。

Hu, Jianlang · 郭迟 · 罗亚荣 · Zihao, Mao

Information Fusion 2025

技术优势

无需标注数据

采用无监督学习训练网络，完全避免了对昂贵的稠密光流标注的需求，降低了数据成本。

稠密且时间连续

利用事件的高时间分辨率和图像的纹理信息，能够输出每个像素在每个时刻的光流，而不是稀疏或离散的估计。

融合图像与事件

设计的特征融合子网络集成时空信息，生成伪特征，有效结合了图像的纹理和事件的动态细节，提升估计精度。

应用场景

• 无人机视觉：在无人机高速飞行或光照剧变时，提供稠密、连续的光流，用于避障和运动估计。
• 机器人导航：在快速运动或低光照环境下，为机器人提供可靠的光流，支撑视觉里程计和定位。
• 具身智能感知：赋予具身智能体高动态范围、低延迟的视觉运动感知能力，适应复杂交互场景。
• 事件相机应用：为事件相机提供一种无需标签、即插即用的光流估计方案，拓宽其应用范围。