多尺度循环光流网络

轻量且精度领先

以轻量循环架构融合多尺度特征，用纹理感知损失实现对挑战性区域的稳定监督。

Ziyang, Zhou · 蔡泽民 · Guanhong, Huang · 赖剑煌 · Dagang, Zheng

Pattern Recognition 2026

技术优势

计算成本较低

多尺度感受野模块同时捕获全局上下文和局部运动，减少细化迭代次数，在保持精度的同时提升效率。

边界更清晰

纹理感知的AD-Census损失根据局部纹理自适应平衡Charbonnier和Census项，在挑战性区域提供更稳定的监督，从而改善边界保持。

运动更连贯

多尺度特征与循环细化结合，增强了运动一致性，使得估计的光流在整体上更为平滑连贯。

应用场景

• 运动估计：为视频分析提供高精度光流估计，可替代传统迭代方法，降低计算开销。
• 视觉导航：在机器人或无人机导航中，以较低计算量实现可靠的自身运动估计。
• 视觉感知：在自动驾驶等场景中，提升对运动物体和场景结构的感知能力，尤其是在纹理稀疏区域。