摘要

在本报告中，我们介绍了在2022年鲁棒视觉挑战赛（Robust Vision Challenge 2022）中荣获冠军的光学流方法——MS-RAFT+。该方法基于MS-RAFT框架，成功将多种多尺度思想融合进单尺度RAFT模型中。我们的方法进一步拓展了该框架，通过引入一个更精细的尺度来估计光流，这一能力得益于按需计算代价（on-demand cost computation）机制的实现。因此，该方法不仅可在原始分辨率的一半下运行，还能利用MS-RAFT中共享的凸上采样器（convex upsampler）恢复至全分辨率的光流结果。此外，我们在训练过程中采用了一种优化的微调策略，旨在提升模型在不同基准测试之间的泛化能力。在所有参与挑战的方法中，我们的方法在VIPER数据集上排名第一，在KITTI、Sintel和Middlebury数据集上均位列第二，最终获得整体排名第一名。