ReynoldsFlow: Exquisite Flow Estimation via Reynolds Transport Theorem
作者: Yu-Hsi Chen, Chin-Tien Wu
发布时间: 2025-03-07
来源: arxiv
研究方向: 计算机视觉，运动估计，光学流估计
主要内容
本文提出了一种名为ReynoldsFlow的新型光学流估计方法，该方法基于Reynolds运输定理，旨在解决传统光学流方法在复杂场景中的局限性，如亮度恒定假设、计算需求高、对噪声敏感等问题。
主要贡献
1. 提出了一种基于Reynolds运输定理的训练自由光学流估计框架，去除了亮度恒定假设，并提高了传统光学流方法的泛化能力。
2. 引入了一种增强的视觉表示方法ReynoldsFlow+，通过整合光学流幅度、Reynolds流幅度和帧强度，提高了运动清晰度。
3. 在UAVDB和Anti-UAV数据集上的对象检测任务以及在GolfDB数据集上的姿态估计任务中，与现有方法相比，实现了最先进的准确率。
研究方法
1. Reynolds运输定理
2. Helmholtz分解
3. Simpson规则
4. 高斯平滑
5. HiResCAM
实验结果
在UAVDB和Anti-UAV数据集上的对象检测任务以及在GolfDB数据集上的姿态估计任务中，ReynoldsFlow+输入的YOLOv11n和SwingNet模型均取得了最先进的准确率。此外，ReynoldsFlow+在处理复杂场景和不同尺度对象时表现出色，并且具有高计算效率，适用于实时部署。
未来工作
将ReynoldsFlow+与基于学习的系统集成到FPGA上，以进一步提高可扩展性和通用性。