摘要

我们提出了一种无监督学习方法，用于光流估计，通过改进金字塔网络中的上采样机制与特征学习能力来实现。为此，我们设计了一种自引导上采样模块，以解决因在金字塔层级间采用双线性上采样而导致的插值模糊问题。此外，我们提出了一种金字塔蒸馏损失（pyramid distillation loss），通过将最精细层级的光流作为伪标签，对中间层级施加监督信号。将上述两个组件有机结合后，我们的方法在多个主流基准测试中均取得了当前最优的无监督光流学习性能，涵盖MPI-Sintel、KITTI 2012与KITTI 2015。特别地，在KITTI 2012上实现了1.4的平均端点误差（EPE），在KITTI 2015上达到9.38%的F1分数，分别比此前的最先进方法提升了22.2%和15.7%。