FreeFlow：一種免偏見的階層式 Transformer，用於光流估計
為何重要
這項研究重構了光流任務的標準做法，證明利用通用且無特定任務誤導層的 Transformer 架構，較傳統的複雜混合架構在準確度上無懼且更具可擴充套件性。對開發者而言，這簡化了光流模型的設計與最佳化流程，有利於推動該技術在影片編碼、自動駕駛以及 3D 重構領域的落地應用。
傳統光流方法常依賴特定的先驗偏差（如 Correlation volumes 與 feature warping）提升準確度，卻犧牲了模型表達能力並增加計算成本。本研究提出 FreeFlow，透過單一前饋編碼器–解碼器的階層式 Transformer 架構達成高效能。
- 在 Sintel 基準上，清淨版與 Final 版本的端點誤差（EPE）分別達到 0.68 與 1.48。
- KITTI-2015 基準測試的平均 Fl-all 分數為 3.23。
- 在 Spring 基準上達到 3.192 的 1px 端點誤差（目前最佳表現，SOTA）。
- 推論時保留記憶體效率，支援 1080p 解析度。