OpenMMLab 官网 ^HOT OpenMMLab 开放平台 ^{TRY IT OUT}

[![PyPI - Python Version](https://img.shields.io/pypi/pyversions/mmflow)](https://pypi.org/project/mmflow/) [![PyPI](https://img.shields.io/pypi/v/mmflow)](https://pypi.org/project/mmflow) [![docs](https://img.shields.io/badge/docs-latest-blue)](https://mmflow.readthedocs.io/en/latest/) [![badge](https://github.com/open-mmlab/mmflow/workflows/build/badge.svg)](https://github.com/open-mmlab/mmflow/actions) [![codecov](https://codecov.io/gh/open-mmlab/mmflow/branch/master/graph/badge.svg)](https://codecov.io/gh/open-mmlab/mmflow) [![license](https://img.shields.io/github/license/open-mmlab/mmflow.svg)](https://github.com/open-mmlab/mmflow/blob/master/LICENSE) [![open issues](https://isitmaintained.com/badge/open/open-mmlab/mmflow.svg)](https://github.com/open-mmlab/mmflow/issues) [📘使用文档](https://mmflow.readthedocs.io/en/latest/) | [🛠️安装教程](https://mmflow.readthedocs.io/en/latest/install.html) | [👀模型库](https://mmflow.readthedocs.io/en/latest/model_zoo.html) | [🤔报告问题](https://github.com/open-mmlab/mmflow/issues/new/choose)

[English](README.md) | 简体中文

## 简介 MMFlow 是一款基于 PyTorch 的光流工具箱，是 [OpenMMLab](http://openmmlab.org/) 项目的成员之一。主分支代码目前支持 **PyTorch 1.5 以上**的版本。 ### 主要特性 - **首个光流算法的统一框架** MMFlow 是第一个提供光流方法统一实现和评估框架的工具箱。 - **模块化设计** MMFlow 将光流估计框架解耦成不同的模块组件，通过组合不同的模块组件，用户可以便捷地构建自定义的光流算法模型。 - **丰富的开箱即用的算法和数据集** MMFlow 支持了众多主流经典的光流算法，例如 FlowNet, PWC-Net, RAFT 等，以及多种数据集的准备和构建，如 FlyingChairs, FlyingThings3D, Sintel, KITTI 等。 ## 更新日志最新的 v0.5.2 版本已经在 2023.01.10 发布: - 支持 flow1d 中注意力机制如果想了解更多版本更新细节和历史信息，请参考[更新日志](docs/en/changelog.md)。 ## 安装请参考[安装文档](docs/en/install.md)进行安装, 参考[数据准备](docs/en/dataset_prepare.md)准备数据集。 ## 快速入门如果初次接触光流算法，你可以从 [learn the basics](docs/en/intro.md) 开始了解光流的基本概念和 MMFlow 的框架。如果对光流很熟悉，请参考　[getting_started](docs/en/getting_started.md)　上手使用 MMFlow. MMFlow 也提供了其他更详细的教程，包括： - [配置文件](docs/en/tutorials/0_config.md) - [模型推理](docs/en/tutorials/1_inference.md) - [微调模型](docs/en/tutorials/2_finetune.md) - [数据预处理](docs/en/tutorials/3_data_pipeline.md) - [添加新模型](docs/en/tutorials/4_new_modules.md) - [自定义模型运行参数](docs/en/tutorials/5_customize_runtime.md)。 ## 基准测试和模型库测试结果和模型可以在[模型库](docs/zh_cn/model_zoo.md)中找到。已支持的算法： - [x] [FlowNet (ICCV'2015)](configs/flownet/README.md) - [x] [FlowNet2 (CVPR'2017)](configs/flownet2/README.md) - [x] [PWC-Net (CVPR'2018)](configs/pwcnet/README.md) - [x] [LiteFlowNet (CVPR'2018)](configs/liteflownet/README.md) - [x] [LiteFlowNet2 (TPAMI'2020)](configs/liteflownet2/README.md) - [x] [IRR (CVPR'2019)](configs/irr/README.md) - [x] [MaskFlownet (CVPR'2020)](configs/maskflownet/README.md) - [x] [RAFT (ECCV'2020)](configs/raft/README.md) - [x] [GMA (ICCV' 2021)](configs/gma/README.md) ## 贡献指南我们感谢所有的贡献者为改进和提升 MMFlow 所作出的努力。请参考[贡献指南](https://github.com/open-mmlab/mmcv/blob/master/CONTRIBUTING.md)来了解参与项目贡献的相关指引。 ## 引用如果您发现此项目对您的研究有用，请考虑引用： ```BibTeX @misc{2021mmflow, title={{MMFlow}: OpenMMLab Optical Flow Toolbox and Benchmark}, author={MMFlow Contributors}, howpublished = {\url{https://github.com/open-mmlab/mmflow}}, year={2021} } ``` ## 开源许可证该项目采用 [Apache 2.0 开源许可证](LICENSE)。 ## OpenMMLab 的其他项目 - [MMCV](https://github.com/open-mmlab/mmcv): OpenMMLab 计算机视觉基础库 - [MIM](https://github.com/open-mmlab/mim): MIM 是 OpenMMlab 项目、算法、模型的统一入口 - [MMClassification](https://github.com/open-mmlab/mmclassification): OpenMMLab 图像分类工具箱 - [MMDetection](https://github.com/open-mmlab/mmdetection): OpenMMLab 目标检测工具箱 - [MMDetection3D](https://github.com/open-mmlab/mmdetection3d): OpenMMLab 新一代通用 3D 目标检测平台 - [MMRotate](https://github.com/open-mmlab/mmrotate): OpenMMLab 旋转框检测工具箱与测试基准 - [MMSegmentation](https://github.com/open-mmlab/mmsegmentation): OpenMMLab 语义分割工具箱 - [MMOCR](https://github.com/open-mmlab/mmocr): OpenMMLab 全流程文字检测识别理解工具包 - [MMPose](https://github.com/open-mmlab/mmpose): OpenMMLab 姿态估计工具箱 - [MMHuman3D](https://github.com/open-mmlab/mmhuman3d): OpenMMLab 人体参数化模型工具箱与测试基准 - [MMSelfSup](https://github.com/open-mmlab/mmselfsup): OpenMMLab 自监督学习工具箱与测试基准 - [MMRazor](https://github.com/open-mmlab/mmrazor): OpenMMLab 模型压缩工具箱与测试基准 - [MMFewShot](https://github.com/open-mmlab/mmfewshot): OpenMMLab 少样本学习工具箱与测试基准 - [MMAction2](https://github.com/open-mmlab/mmaction2): OpenMMLab 新一代视频理解工具箱 - [MMTracking](https://github.com/open-mmlab/mmtracking): OpenMMLab 一体化视频目标感知平台 - [MMFlow](https://github.com/open-mmlab/mmflow): OpenMMLab 光流估计工具箱与测试基准 - [MMEditing](https://github.com/open-mmlab/mmediting): OpenMMLab 图像视频编辑工具箱 - [MMGeneration](https://github.com/open-mmlab/mmgeneration): OpenMMLab 图片视频生成模型工具箱 - [MMDeploy](https://github.com/open-mmlab/mmdeploy): OpenMMLab 模型部署框架 ## 欢迎加入 OpenMMLab 社区扫描下方的二维码可关注 OpenMMLab 团队的 [知乎官方账号](https://www.zhihu.com/people/openmmlab)，加入 OpenMMLab 团队的 [官方交流 QQ 群](https://jq.qq.com/?_wv=1027&k=aCvMxdr3)或联络 OpenMMLab 官方微信小助手

我们会在 OpenMMLab 社区为大家 - 📢 分享 AI 框架的前沿核心技术 - 💻 解读 PyTorch 常用模块源码 - 📰 发布 OpenMMLab 的相关新闻 - 🚀 介绍 OpenMMLab 开发的前沿算法 - 🏃 获取更高效的问题答疑和意见反馈 - 🔥 提供与各行各业开发者充分交流的平台干货满满 📘，等你来撩 💗，OpenMMLab 社区期待您的加入 👬