买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华中科技大学申请的专利基于分层全相关代价体聚合的光流估计方法与装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116205953B 。

龙图腾网通过国家知识产权局官网在2025-11-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310389141.6，技术领域涉及：G06T7/269；该发明授权基于分层全相关代价体聚合的光流估计方法与装置是由贾浩;冯淼杰;许刚伟;杨欣设计研发完成，并于2023-04-12向国家知识产权局提交的专利申请。

本基于分层全相关代价体聚合的光流估计方法与装置在说明书摘要公布了：本发明提出了一种基于分层全相关代价体聚合的光流估计方法，特征编码模块分别提取两帧图像的特征，构建全相关代价体建模两张图像所有像素之间的相似性。分层全相关代价体聚合模块首先将全相关代价体分为更小的块，并在空间上进行重新组合以允许使用2D和3D卷积进行代价聚合；该模块通过分层的方式进行聚合，在块内执行2D卷积进行局部匹配聚合，在块间执行3D卷积进行全局匹配聚合。光流迭代优化模块在每次迭代中基于当前估计光流从全相关代价体中查找匹配信息，与第一帧图像的上下文特征输入到基于卷积GRU的更新模型，得到当前光流的残差，经过多次迭代得到光流估计结果。本发明还提供了相应的基于分层全相关代价体聚合的光流估计装置。

本发明授权基于分层全相关代价体聚合的光流估计方法与装置在权利要求书中公布了：1.一种基于分层全相关代价体聚合的光流估计方法，其特征在于，所述方法包括如下步骤： 1取时间维度上相邻的两帧图像，将两帧图像分别称为第一帧图像和第二帧图像，以用于计算第一帧图像到第二帧图像之间的光流；提取两帧图像的匹配特征和第一帧图像的上下文特征； 2选择目标尺寸的特征图通过矩阵乘法构建全相关代价体，对全相关代价体在空间上进行分块和重组，以允许使用2D和3D卷积进行代价聚合，然后通过基于2D卷积的局部聚合网络和基于3D卷积的全局聚合网络进行分层聚合，使用聚合后的代价体构建代价体金字塔；所述步骤2具体包括：分层全相关代价体聚合模块对全相关代价体进行分层聚合，在提取两帧图像的匹配特征f1,f2后，通过每对像素之间的逐点相乘构建全相关代价体C，其维度为[H1,W1,H2,W2]，其中维度H1和W1分别是高和宽，H2和W2分别表示垂直方向和水平方向的位移范围；分层全相关代价体聚合模块对全相关代价体进行分层聚合，具体包括：分层全相关代价体聚合模块将聚合分为局部聚合和全局聚合，首先对全相关代价体进行分块和重组以允许使用2D卷积和3D卷积对代价体进行聚合；全相关代价体C在位移范围维度[H2,W2]被划分为N个P×P大小的块，其中全相关代价体被重组为维度为[N,P×P,H1,W1]的局部代价体Clocal，局部聚合子模块通过2D卷积对局部代价体Clocal进行代价聚合得到正则化的代价体进一步地通过2D卷积层将的维度变为[1,N,H1,W1]，全局聚合子模块通过3D卷积对该代价体进行全局聚合得到正则化的代价体其维度为进一步地通过对在位移范围维度上进行平均池化得到代价体和维度分别为和最终得到4级的代价体金字塔为光流迭代优化模块提供不同大小的位移信息； 3根据当前估计光流从所述代价体金字塔中查找多尺度匹配信息，与第一帧图像的上下文特征进行编码后，使用基于卷积GRU的更新模型更新光流残差，经过多次迭代得到最终光流估计结果； 4将最后一次迭代得到的光流上采样恢复到原始分辨率，输出全分辨的光流图得到从第一帧图像到第二帧图像的光流估计，计算光流估计与标签之间的L1损失对网络进行监督。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。