이상적인 점 대응
완전한 조건에서는 두 시점의 점 대응을 순열 행렬로 표현할 수 있다. FLOT는 이 관찰에서 출발해 그래프 매칭과 최적 수송의 도구를 장면 흐름 추정에 사용한다.
관측의 불완전성
실제 점군에서는 이상적인 일대일 대응이 성립하지 않을 수 있다. 수송 제약을 완화해 이러한 불완전성을 대응 계산에 반영한다.
학습하는 비용
두 점의 수송 비용은 신경망이 추출한 특징의 쌍별 유사도로 정한다. 네트워크는 합성 자료의 완전한 감독으로 학습되며, 다중 규모 분석 없이 흐름을 추정한다.
단순화한 변형
논문은 학습한 수송 비용이 평가 성능의 상당 부분을 설명한다고 분석했다. 특정 수송 매개변수 선택으로 얻은 더 단순한 FLOT0도 함께 비교했다.
관련 문서
PointPWC-Net / FlowNet3D / HPLFlowNet / OPRNet / 최적 수송 / 점군