#光流估计

GMFlow将光流重新定义为全球匹配问题，简化了光流估计流程。它提供灵活的模块化设计，可以轻松构建定制模型，并在高端GPU上显著加速。该项目在Sintel基准测试中表现出高准确性和效率，预训练模型适用于FlyingChairs、FlyingThings3D和KITTI等数据集。新更新扩展了GMFlow至立体和深度任务，并提供更多速度和准确性的选择。

UPR-Net是一种创新的统一金字塔递归网络，用于视频帧插值。该网络采用轻量级递归模块进行双向光流估计和中间帧合成，通过金字塔框架实现迭代细化。尽管参数量仅为1.7M，UPR-Net在多个基准测试中表现出色，特别是在大运动场景下效果显著。项目提供完整的模型训练、测试和评估实现，包括在Vimeo90K、UCF101、SNU-FILM和4K1000FPS等数据集上的评估结果。

CamLiFlow和CamLiRAFT是利用双向相机-LiDAR融合进行光流和场景流联合估计的开源方法。这两种算法在FlyingThings3D和KITTI等数据集上实现了领先性能。CamLiRAFT改进了训练流程,增强了泛化能力,能够处理非刚性运动。该项目开源了预训练模型、结果和多数据集评估训练代码,为相关研究提供了有力基线。