Year: 2025
Type: article
Abstract: 提出了一种适用于边缘GPU设备的光流估计网络，旨在解决稠密光流估计由于巨大计算量而难以在嵌入式系统上部署的问题。首先，针对充分发挥GPU资源的需求，设计了一个高效的特征提取网络，以降低内存访问成本；其次，通过采用扁平形结构的迭代更新模块来估计光流，进一步缩小了模型的尺寸，并提升了GPU带宽的利用率。在不同数据集上的实验结果表明，本文模型具备高效的推理能力和出色的光流估计能力。特别地，与目前先进的轻量级模型相比，所提出的模型在仅使用0.54 Mb参数的情况下，误差减少了12.8%，推理速度提升了22.2%，在嵌入式开发板上展现出了令人满意的性能。
Source: Journal of Applied Optics
Authors: SHI Ke, 山东理工大学 机械工程学院，山东 淄博 255000, NIE Suzhen, LI Dongxing, CAO Jie, SHENG Yunlong, YAO Bin, CHEN Honglin, 北京理工大学 光电学院，北京 100081
Institution: Shandong University of Technology
Language: English
Topic: Advanced Vision and Imaging
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: hybrid
OpenAlex ID: W4408842922