MMFlow：OpenMMLab光流估计工具箱与测试基准
MMFlow 是模拟基于 PyTorch 的光流工具箱，是OpenMMLab项目的一个成员。
主要特性
- 首个光流算法的统一框架MMFlow 是第一个提供光流方法统一实现和评估框架的工具箱。
- 我的设计MMFlow将光流估计框架解耦成不同的模块组件，通过组合不同的模块组件，用户可以直观地构建自定义的光流算法模型。
- 大量的开箱即用的算法和数据集MMFlow支持了潮流主流经典，例如FlowNet、PWC-Net、RAFT等，以及各种数据集的准备和构建，如FlyingChairs、FlyingThings3D、Sintel、KITTI等。
文档：https : //mmflow.readthedocs.io/
基准测试和模型库
测试结果和模型可以在模型库中找到。
已支持的算法：
- FlowNet (ICCV’2015)
- FlowNet2 (CVPR’2017)
- PWC-Net (CVPR’2018)
- LiteFlowNet (CVPR’2018)
- LiteFlowNet2 (TPAMI’2020)
- IRR (CVPR’2019)
- MaskFlownet (CVPR’2020)
- RAFT (ECCV’2020)
快速入门
如果初次解除光流算法，你可以从Learn the basics开始了解光流的基本概念和 MMFlow 的框架。 如果对光流很熟悉，请参考getting_started.md上手使用 MMFlow.
MMFlow 也提供了其他更详细的教程，包括：
OpenMMLab 的其他项目
- MMCV: OpenMMLab 计算机视觉基础库
- MIM: MIM 是 OpenMMLab 项目、算法、模型的统一入口
- MMClassification: OpenMMLab 图像分类工具箱与测试基准
- MMDetection: OpenMMLab 检测工具箱与测试基准
- MMDetection3D: OpenMMLab 新一代通用3D目标检测平台
- MMSegmentation: OpenMMLab 语义分割工具箱与测试基准
- MMAction2: OpenMMLab 新一代视频理解工具箱与测试基准
- MMTracking: OpenMMLab 一体化视频目标感知平台
- MMPose: OpenMMLab 姿态估计工具箱与测试基准
- MMEditing: OpenMMLab 图像视频编辑工具箱
- MMOCR: OpenMMLab 全流程文字检测识别理解工具包
- MMGeneration: OpenMMLab 新一代生成模型工具箱
- MMFlow: OpenMMLab 光流估计工具箱与测试基准
版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/29924.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。
