RAFT 源码精读：光流估计的循环迭代范式，E

RAFT 这篇 ECCV 2020 最佳论文，把光流估计的误差直接砍了一半。

以前算光流，遇到物体大位移就抓瞎。RAFT 不搞分层搜索了，它一次性把所有像素对的对应关系全算出来，装进一个 4D 相关体里。不管像素飞多远，都能在里面找着。

更妙的是它的循环更新。不是硬猜，而是用 GRU 一步步修正。每次迭代都查附近关联，输出个增量慢慢修。迭代 12 次或 24 次，精度和速度自己拿捏。

这套"全对相关+迭代精化"的框架，后来成了光流领域的标配。连视频生成里的运动模块，底层都是这个思路。

想上手的话，官方仓库 princeton-vl/RAFT 能直接跑。先看 demo.py 出图，再啃核心的 update 算子。真要落地到车端或手机端，记得降分辨率、减迭代次数，还得自己补一段时序滤波防抖动。

要不要我帮你把 RAFT 官方仓库的快速上手步骤整理成一份文字清单？