論文の概要: Efficient Correlation Volume Sampling for Ultra-High-Resolution Optical Flow Estimation
- arxiv url: http://arxiv.org/abs/2505.16942v1
- Date: Thu, 22 May 2025 17:30:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-23 17:12:48.500801
- Title: Efficient Correlation Volume Sampling for Ultra-High-Resolution Optical Flow Estimation
- Title（参考訳）: 超高分解能光流量推定のための相関体積サンプリング
- Authors: Karlis Martins Briedis, Markus Gross, Christopher Schroers,
- Abstract要約: RAFTで定義された正確な数学的演算子と一致する全対相関体積サンプリングのより効率的な実装を提案する。
提案手法は,低メモリ使用率を維持しながら,オンデマンドサンプリングを最大90%向上させ,最大95%のメモリ使用率でデフォルト実装と同等に動作させる。
- 参考スコア（独自算出の注目度）: 10.244450933742089
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent optical flow estimation methods often employ local cost sampling from a dense all-pairs correlation volume. This results in quadratic computational and memory complexity in the number of pixels. Although an alternative memory-efficient implementation with on-demand cost computation exists, this is slower in practice and therefore prior methods typically process images at reduced resolutions, missing fine-grained details. To address this, we propose a more efficient implementation of the all-pairs correlation volume sampling, still matching the exact mathematical operator as defined by RAFT. Our approach outperforms on-demand sampling by up to 90% while maintaining low memory usage, and performs on par with the default implementation with up to 95% lower memory usage. As cost sampling makes up a significant portion of the overall runtime, this can translate to up to 50% savings for the total end-to-end model inference in memory-constrained environments. Our evaluation of existing methods includes an 8K ultra-high-resolution dataset and an additional inference-time modification of the recent SEA-RAFT method. With this, we achieve state-of-the-art results at high resolutions both in accuracy and efficiency.
- Abstract（参考訳）: 近年の光学的フロー推定法では、高密度全対相関体積から局所的なコストサンプリングを用いることが多い。
これにより、ピクセル数において2次計算とメモリの複雑さが生じる。
オンデマンドコスト計算による代替のメモリ効率実装は存在するが、これは実際は遅いため、以前の手法では画像の解像度が小さく、細かな詳細が欠けているのが一般的である。
そこで本研究では,RAFT が定義した正確な数学的演算子と一致する全対相関ボリュームサンプリングのより効率的な実装を提案する。
提案手法は,低メモリ使用率を維持しながら,オンデマンドサンプリングを最大90%向上させ,最大95%のメモリ使用率でデフォルト実装と同等に動作させる。
コストサンプリングが全体の実行時間の大部分を占めるため、メモリ制約のある環境でのエンド・ツー・エンドのモデル推論全体の50%の節約に繋がる。
既存手法の評価には,8K超高分解能データセットと,最近のSEA-RAFT法の推論時間修正が含まれている。
これにより、精度と効率の両面において、最先端の成果を高い解像度で達成する。
関連論文リスト
- Accelerating Diffusion Sampling with Optimized Time Steps [69.21208434350567]
拡散確率モデル(DPM)は高分解能画像合成において顕著な性能を示した。
彼らのサンプリング効率は、通常多くのサンプリングステップのため、依然として望まれている。
DPM用高次数値ODEソルバの最近の進歩により、サンプリングステップがはるかに少ない高品質な画像の生成が可能になった。
論文 参考訳（メタデータ） (2024-02-27T10:13:30Z) - A Finite-Horizon Approach to Active Level Set Estimation [0.7366405857677227]
レベルセット推定(LSE)における空間サンプリングの文脈におけるアクティブラーニングの問題点について考察する。
1次元でLSEを行うための有限水平探索法を提案するが、最終的な推定誤差と一定数のサンプルの移動距離のバランスは最適である。
結果の最適化問題をクローズドな方法で解き、その結果のポリシーが既存のアプローチを一般化することを示す。
論文 参考訳（メタデータ） (2023-10-18T14:11:41Z) - Efficient distributed representations with linear-time attention scores normalization [3.8673630752805437]
本研究では,有界ノルムを持つ埋め込みベクトルに対するアテンションスコア正規化定数の線形時間近似を提案する。
推定公式の精度は、競合するカーネルメソッドを桁違いに上回る。
提案アルゴリズムは高度に解釈可能であり,任意の埋め込み問題に容易に適応できる。
論文 参考訳（メタデータ） (2023-03-30T15:48:26Z) - Dense Optical Flow from Event Cameras [55.79329250951028]
本稿では,イベントカメラからの高密度光フロー推定に特徴相関と逐次処理を導入することを提案する。
提案手法は、高密度光流を計算し、MVSEC上での終点誤差を23%削減する。
論文 参考訳（メタデータ） (2021-08-24T07:39:08Z) - SreaMRAK a Streaming Multi-Resolution Adaptive Kernel Algorithm [60.61943386819384]
既存のKRRの実装では、すべてのデータがメインメモリに格納される必要がある。
KRRのストリーミング版であるStreaMRAKを提案する。
本稿では,2つの合成問題と2重振り子の軌道予測について紹介する。
論文 参考訳（メタデータ） (2021-08-23T21:03:09Z) - Learning Optical Flow from a Few Matches [67.83633948984954]
密な相関体積表現は冗長であり、その中の要素のほんの一部で正確なフロー推定が達成できることを示した。
実験により,高い精度を維持しつつ計算コストとメモリ使用量を大幅に削減できることを示した。
論文 参考訳（メタデータ） (2021-04-05T21:44:00Z) - Normalized Convolution Upsampling for Refined Optical Flow Estimation [23.652615797842085]
正常化された畳み込みのUPsampler (NCUP)は光学流れCNNsの訓練の間にフル レゾリューションの流れを作り出す有効な共同アップサンプリングのアプローチです。
提案手法では,アップサンプリングタスクをスパース問題として定式化し,正規化畳み込みニューラルネットワークを用いて解く。
6%のエラー低減とKITTIデータセットのオンパーで、Sintelベンチマークの最新の結果を達成し、パラメータを7.5%削減します。
論文 参考訳（メタデータ） (2021-02-13T18:34:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。