運動估計

運動估計是「推斷事物如何在影格之間移動」這整類任務的統稱，無論移動的是個別物體、相機本身，還是整個場景。光流是其中一種答案（稠密的逐像素場），但運動也可以用粗略得多、緊湊得多的方式描述，而正確的表示法完全取決於應用：視訊編解碼器想要便宜且易壓縮的運動，防手震想要全域相機運動，三維重建系統則想要與場景幾何一致的運動。

區塊比對（block matching）是部署最廣的形式，因為它驅動了視訊壓縮。影格被切成區塊（例如 16×16），對每個區塊，編碼器在一張參考影格中搜尋最相似的區塊，通常最小化絕對差和（SAD）或平方差和（SSD）；指向最佳匹配的位移就是運動向量（motion vector）。MPEG、H.264/AVC、H.265/HEVC 都用它做影格間預測：與其儲存整個區塊，不如儲存一個運動向量加上一小份殘差。關鍵在於，編解碼器的運動向量是為了「最小化位元數」而選，而非為了物理準確，因此它可能指向一個視覺上相似但實則錯誤的位置。

參數化模型把運動壓縮得更徹底，做法是假設整個區域服從同一個變換：2 參數的平移、6 參數的仿射模型（平移、旋轉、縮放、剪切），或 8 參數的單應性（homography，一個平面投影對映，適合相機旋轉或一個平面表面）。這寥寥數個參數可以被穩健地擬合，常搭配 RANSAC 來剔除離群值，並且是影片防手震、全景拼接與全域運動補償的骨幹。分層（layered）與以分割為基礎的模型走得更遠，為不同的移動物體指派不同的參數化運動。整個光譜由稠密、非參數化（光流）一路延伸到稀疏、高度參數化（單一個單應性）。