一.PWC-Net概述 PWC-Net的网络模型在CVPR,2018由NVIDIA提出,发表文章为《PWC-Net:CNNsforOpticalFlowUsingPyramid,Warping,andCostVolume》。与FlowNet2.0模型相比,PWCNet的大小缩小了17倍,训练成本更低且精确度稳定。此外,它在Sintel数据集(1024×436)图像上的运行速度大约为35fps,是光流估计深度学习中非常基础且具有重要意义的一个网络模型。 FlowNet2.0的提出证明了组织多个子网络结构构建更大型更复杂的光流估计网络可以提高光流估计的质量,但是这样做的后果就是