要約
動画から光流推定（optical flow estimation）を用いて運動情報を抽出することは、多数の実用的ロボット応用において極めて重要である。現在の光流推定手法は高い精度を達成しているが、性能が優れた手法は計算コストが非常に高く、組み込みデバイスには適さない。一部の先行研究では低コストな光流推定戦略の開発に注力しているが、それらの推定精度はより堅牢な手法と比較して顕著な差がある。本論文では、組み込みデバイス上で高品質な光流を効率的に推定するための新しい手法を提案する。提案するRAPIDFlowモデルは、特徴マップのピラミッド構造に基づく完全な再帰構造と、効率的なNeXt1D畳み込みブロックを組み合わせることで、推定精度に大きな影響を与えずに計算コストを低減する。柔軟な再帰エンコーダは、単一の共有ブロックによりマルチスケール特徴を生成でき、推論時にピラミッドの長さを調整可能であるため、入力サイズの変化に対してより高い耐性を発揮する。また、精度と速度の間で複数のトレードオフを提供でき、異なる応用に応じた最適なバランスを実現する。Jetson Orin NXを用いたMPI-SintelおよびKITTIの公開ベンチマークにおける実験結果から、RAPIDFlowは従来手法を大幅に上回る性能を、より高速に達成することが確認された。