2024年6月8日，周波教授为信息工程系教师举办了一场关于光流国际从优化到深度学习的学术报告。
报告介绍了光流相关的基础知识，总结了光流计算技术主要的技术发展路线，对典型的算法与模型进行了深入地剖析，归纳了相关算法的创新点与思路，并对光流的应用场景进行了简要总结。光流计算技术结合深度学习是目前光流计算的主要发展趋势，其主要的技术方向是获得一种可以适用于任何场景快速且精确的光流估计方法，认为主流的发展趋势是利用更加先进的深度学习架构如卷积神经网络、transformer架构、3D卷积模型等，提高模型预测的准确度，强化模型的泛化能力和推理能力，解决诸如遮挡、小目标、大位移、光照、边界模糊、形变、噪声等方向的光流计算问题。从技术发展来看，利用深度学习模型来进行更准确、实时性更好的光流预测依旧是光流计算发展的长期目标；在基于现有深度学习的模型上进行优化，在保证精度的同时加强实时性与降低模型参数的规模，这也是基于深度学习的光流模型可以继续优化的方向；2D光流相关算法可以结合深度信息，向3D光流（场景流）方向发展，加强动态环境中对3D运动的理解，将是光流计算领域极具潜力的发展方向之一。
