RRepoGEO

REPOGEO 报告 · LITE

twhui/LiteFlowNet

默认分支 master · commit e7d6c43b · 扫描时间 2026/5/31 11:18:17

星标 631 · Fork 104

AI 可见性总分
80 /100
健康
品类召回
2 / 2
被推荐时的平均排名 #3.5
规则结果
通过 1 · 警告 1 · 失败 0
客观元数据检查
AI 认识你的名字
3 / 3
直接询问时，AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试：当用户向 AI 提一个不带品牌、本应让 twhui/LiteFlowNet 浮出水面的问题时，AI 是真的推荐了你，还是推荐了你的竞品？客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • highhomepage#1
    Add project homepage to About section

    原因：

    复制粘贴的修复
    http://mmlab.ie.cuhk.edu.hk/projects/LiteFlowNet/
  • highreadme#2
    Clarify custom license in README

    原因：

    复制粘贴的修复
    Please refer to the `LICENSE` file for the specific terms of use, as this repository utilizes a custom license.
  • mediumreadme#3
    Format key features as a bulleted list in README

    原因：

    当前
    LiteFlowNet is a lightweight, fast, and accurate opitcal flow CNN. We develop several specialized modules including (1) pyramidal features, (2) cascaded flow inference (cost volume + sub-pixel refinement), (3) feature warping (f-warp) layer, and (4) flow regularization by feature-driven local convolution (f-lconv) layer.
    复制粘贴的修复
    LiteFlowNet is a lightweight, fast, and accurate optical flow CNN. Key features include:
*   Pyramidal features
*   Cascaded flow inference (cost volume + sub-pixel refinement)
*   Feature warping (f-warp) layer
*   Flow regularization by feature-driven local convolution (f-lconv) layer

本次扫描解析到的品类 GEO 通道：google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你，还是推荐了别人？

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
2 / 2
100% 的问题里出现了 twhui/LiteFlowNet
平均排名
#3.5
越小越好。#1 表示首位推荐。
声量占比
17%
在所有被点名的工具中，你占了多少？
头号对手
RAFT
在 2 个问题中被推荐 2 次
竞品排行
  1. RAFT · 被推荐 2 次
  2. PWC-Net · 被推荐 2 次
  3. GMA · 被推荐 2 次
  4. FlowNetS · 被推荐 1 次
  5. UFlow · 被推荐 1 次
  • 品类问题
    What are lightweight deep learning models for efficient optical flow estimation in computer vision?
    你：第 2 位
    AI 推荐顺序：
    1. RAFT
    2. LiteFlowNet ← 你
    3. PWC-Net
    4. GMA
    5. FlowNetS
    6. UFlow
    查看 AI 完整回答
  • 品类问题
    Seeking accurate and fast convolutional neural networks for robust motion estimation between video frames.
    你：第 5 位
    AI 推荐顺序：
    1. RAFT
    2. GMA
    3. PWC-Net
    4. FlowNet3D
    5. LiteFlowNet ← 你
    6. MaskFlowNet
    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    warn

    建议：

  • README presence
    pass

自指检查

当被直接问到你时，AI 是否还知道你的仓库存在？

  • Compared to common alternatives in this category, what is the core differentiator of twhui/LiteFlowNet?
    pass
    AI 明确点名了 twhui/LiteFlowNet

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • If a team adopts twhui/LiteFlowNet in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 twhui/LiteFlowNet

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • In one sentence, what problem does the repo twhui/LiteFlowNet solve, and who is the primary audience?
    pass
    AI 明确点名了 twhui/LiteFlowNet

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

嵌入你的 GEO 徽章

把这个徽章贴进 twhui/LiteFlowNet 的 README。每次重新扫描都会自动更新，并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN（README）
[![RepoGEO](https://repogeo.com/badge/twhui/LiteFlowNet.svg)](https://repogeo.com/zh/r/twhui/LiteFlowNet)
HTML
<a href="https://repogeo.com/zh/r/twhui/LiteFlowNet"><img src="https://repogeo.com/badge/twhui/LiteFlowNet.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

twhui/LiteFlowNet — 轻量扫描仍免费；本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5，轻量 2
  • 优先行动项8，轻量 3