SEA-RAFT: Simple, Efficient, Accurate RAFT for Optical Flow

我们介绍了SEA-RAFT，这是一种更简单、高效、准确的用于光流计算的RAFT算法。相比于RAFT，SEA-RAFT使用了一种新的损失函数（Laplace混合），能够直接回归初始光流，从而加快迭代优化的速度，并引入了刚体运动预训练来提高泛化性能。在Spring数据集上，SEA-RAFT取得了最先进的精度，其端点误差（EPE）为3.69，1个像素的异常值率（1px）为0.36，相比于最佳已发表结果，分别减少了22.9%和17.8%。此外，SEA-RAFT在KITTI和Spring数据集上获得了最佳的跨数据集泛化性能。由于其高效性，SEA-RAFT的运行速度至少比现有方法快2.3倍，同时保持竞争性能。其代码可在https://github.com/princeton-vl/SEA-RAFT上公开获取。

本论文旨在提出一种更简单、更高效、更准确的光流方法SEA-RAFT，解决光流计算中的误差问题，并提高其泛化能力。

论文提出了一种新的损失函数（混合拉普拉斯）来训练SEA-RAFT，并通过直接回归初始光流来加快迭代收敛速度，同时引入刚体运动预训练来提高泛化能力。

SEA-RAFT在Spring基准测试中取得了最高的精度，端点误差（EPE）为3.69，1像素异常值率（1px）为0.36，相较于最佳发表结果，分别减少了22.9%和17.8%的误差；在KITTI和Spring数据集上取得了最佳的跨数据集泛化性能；SEA-RAFT的运行效率至少比现有方法快2.3倍，同时保持竞争性能。

与本论文相关的研究包括RAFT和其他光流方法，如FlowNet、PWC-Net等。