論文の概要: Foundation Model Driven Optical Flow

• arxiv url: http://arxiv.org/abs/2610.26690v1
• Date: Mon, 19 Oct 2026 16:34:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 01:57:13.495396
• Title: Foundation Model Driven Optical Flow
• Title（参考訳）: 基礎モデル駆動光流
• Abstract要約: 教師付きマッチングネットワークと組み合わせた場合, 凍結した視覚・深度表現が高密度光流にどのように寄与するかを検討する。 本手法は,凍結したDINOv2とDepth Anything V2モデルの特徴を融合させ,トレーニング可能なトランスフォーマベースマッチングパイプラインによる光フローを推定する。
• 参考スコア（独自算出の注目度）: 4.81005617256125
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We investigate how frozen pretrained visual and depth representations support dense optical flow when coupled with a supervised matching network. Building on TTSFlow, this paper studies Dense Prediction Transformer (DPT) feature decoding and one coarse-to-fine refinement stage. Our method fuses features from frozen DINOv2 and Depth Anything V2 models and estimates optical flow through a trainable transformer-based matching pipeline. After optical-flow training on FlyingChairs and FlyingThings3D, it achieves 2.37 endpoint error (EPE) on the Sintel training split, Final pass, compared with 2.52 for the FlowSeek (T) configuration reported here. Our RoCo-Spring 2026 entry, RoCo-29.VSAI, obtains a robustness-balanced score of 1.1038, Spring EPE of 1.411, and RobustSpring proxy EPE of 4.739, with a lower balanced score than seven of the twelve listed reference baselines. These results characterize the complete pipeline, which reuses frozen foundation backbones and performs one refinement stage. Code is available at: \url{https://github.com/Visual-and-Spatial-AI-Lab/FFlow}
• Abstract（参考訳）: 教師付きマッチングネットワークと組み合わせた場合, 凍結した視覚・深度表現が高密度光流にどのように寄与するかを検討する。 本稿では,TSFlow上に構築したDense Prediction Transformer(DPT)の特徴デコードと粗い微細化段階について検討する。 本手法は,凍結したDINOv2とDepth Anything V2モデルの特徴を融合させ,トレーニング可能なトランスフォーマベースマッチングパイプラインによる光フローを推定する。 FlyingChairsとFlyingThings3Dの光フロートレーニングの後、Sintelのトレーニングスプリット、ファイナルパスで2.37のエンドポイントエラー(EPE)を達成した。 当社のRoCo-Spring 2026エントリであるRoCo-29.VSAIは、1.1038の堅牢性バランススコア、1.411のSpring EPE、そしてRobustSpringプロキシEPE 4.739のロバストバランススコアを取得し、12の基準基準ベースラインのうち7つよりも低いバランススコアを得る。 これらの結果は、凍結したファンデーションバックボーンを再利用し、1つのリファインメントステージを実行する完全なパイプラインを特徴付ける。 コードは以下の通り。 \url{https://github.com/Visual-and-Spatial-AI-Lab/FFlow}

関連論文リスト

• One Block, Multiple Depths: Recurrent Vision Transformers with Depth-Programmed Experts [52.62368406036621]
  reViTは、FFNを各繰り返し深さで、小さな共有専門家バンクの凸結合として表現することで、深さ固有の変換を復元する。 reViT-B/16では,約70%の保存パラメータでDeiT IIIの精度が得られた。
  論文  参考訳（メタデータ） (2026-10-08T17:58:36Z)
• LiFT: Loop Flow Transformers [50.488069867161556]
  ループフロー変換器(LiFT)は、共有拡散変換器(DiT)コアを繰り返し適用することにより、計算をスケールする。 LiFTは各ステップを1つの回帰目標(モデルの初期推定からフローマッチング目標への直線経路上の点)で訓練する。 256x256のImageNetでは、LiFT-L/2は高密度のDiT-XL/2ベースラインよりもFID 3.34ポイント低い。
  論文  参考訳（メタデータ） (2026-10-04T21:11:47Z)
• FlowTSFM: Turning Encoder Depth into Quantile Transport [29.781238027602466]
  本稿では,再帰輸送プロセスとして深度を解釈するエンコーダアーキテクチャであるFlowTSFMを紹介する。 わずか388Mのパラメータで、FlowTSFMはGIFT-EvalとTIMEの競合性能を達成している。 また、CosMeanも導入しています。これは、リカレント更新が最終予測に一貫して一致するかどうかを計測するスケールフリー診断です。
  論文  参考訳（メタデータ） (2026-09-12T01:29:17Z)
• FlowCTS: On-policy Continuous Trajectory Supervision of Flow Models [65.32587991232592]
  フロー連続軌道スーパービジョン(FlowCTS)を提案する。 FlowCTSは、同じ学生訪問状態の学生と参照軌跡とを一致させる。 マルチ参照設定では、単一状態のFlowCTS-OPDはバニラKLベースのOPDよりも高速な収束で性能が向上する。
  論文  参考訳（メタデータ） (2026-07-27T15:03:22Z)
• AlphaFlow: Understanding and Improving MeanFlow Models [74.64465762009475]
  その結果,MeanFlowの目的は,トラジェクティブフローマッチングとトラジェクトリ一貫性という2つの部分に分けられることがわかった。 これらの知見に触発されて、軌跡フローマッチング、ショートカットモデル、MeanFlowを統一する目的の広いファミリーである$alpha$-Flowを紹介した。 クラス条件のImageNet-1K 256x256をバニラのDiTバックボーンでスクラッチからトレーニングすると、$alpha$-Flowはスケールと設定でMeanFlowを一貫して上回る。
  論文  参考訳（メタデータ） (2025-10-23T17:45:06Z)
• VideoFlow: Exploiting Temporal Cues for Multi-frame Optical Flow Estimation [61.660040308290796]
  VideoFlowはビデオのための新しい光フロー推定フレームワークである。 まず、TRiフレーム光フロー(TROF)モジュールを提案し、3フレーム方式で中央フレームの双方向光フローを推定する。 反復流量推定精細化により、個々のTROFに融合した情報をMOPを介して全シーケンスに伝播することができる。
  論文  参考訳（メタデータ） (2023-03-15T03:14:30Z)
• PRAFlow_RVC: Pyramid Recurrent All-Pairs Field Transforms for Optical Flow Estimation in Robust Vision Challenge 2020 [28.77846425802558]
  ピラミッドネットワーク構造を基盤としたPRAFlow(Pyramid Recurrent All-Pairs Flow)を提案する。 モデルは同じモデルとパラメータを使って複数のリーダボードに送信し、ECCV 2020ワークショップの光学フロータスクであるRobust Vision Challengeで2位を獲得しました。
  論文  参考訳（メタデータ） (2020-09-14T12:27:52Z)
• FDFlowNet: Fast Optical Flow Estimation using a Deep Lightweight Network [12.249680550252327]
  我々はFDFlowNet(fast Deep Flownet)と呼ばれるリアルタイム光フロー推定のための軽量で効果的なモデルを提案する。 我々は、PWC-Netの約2倍の速度で、挑戦的なKITTIとSintelベンチマークにおいて、より良い、あるいは同様の精度を達成する。
  論文  参考訳（メタデータ） (2020-06-22T14:01:01Z)
• FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for Optical Flow Estimation [72.41370576242116]
  フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。 ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。 実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
  論文  参考訳（メタデータ） (2020-01-17T07:13:51Z)

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。