本研究使用基于不对称双边运动估计的视频帧插值算法，结合预测对称双边运动场和不对称双边运动场技术，提出了一种采用本地和全局信息生成动态滤镜和剩余帧的新型合成网络。实验结果表明，所提出的算法在各种数据集上具有出色的性能。

Aug, 2021

本文提出了一种基于双向变形器（BiFormer）的新型 4K 视频帧插值器，它包含三个步骤：全局运动估计，局部运动细化和帧合成。通过使用双向变形器和基于块的代价卷积技术，该算法实现了出色的插值性能。

Apr, 2023

提出一种新的基于压缩视频中存在的块运动矢量的特征传播方法，从静态关键帧双向熔合特征到中间视频帧，以达到实时分割并保持较高的准确性。

Oct, 2018

提出了一种运动估计和补偿驱动的神经网络进行视频帧插值，通过自适应变形层以完全可微的方式来集成光流和插值内核，从而优化了流和核估计网络，实现了更高的计算效率和更好的插值质量，同时还能很好地适应多种视频增强任务，如超分辨率、去噪和去块。

Oct, 2018

本研究提出了一种使用卷积神经网络对变长多帧视频插值进行建模，同时考虑运动解释和遮挡关系的方法，其中使用了 U-Net 架构计算输入时间序列帧之间的双向光流，并将其用于线性插值生成中间帧。我们的方法在多个数据集上进行实验，结果表明其表现优于现有方法。

Nov, 2017

通过使用一个深度卷积神经网络，将视频帧的插值过程作为一个单一卷积过程来处理，可以更好地解决运动估计质量的问题，并且能够优雅地处理一些挑战如遮挡，模糊和亮度变化，从而实现高质量的视频帧插值。

Mar, 2017

本文提出了一种去除视场依赖性问题的密集查询双边相关 (DQBC) 算法来更好地建模相关性并生成更准确的运动场，该算法比现有技术更准确并具有较少的推理时间。

Apr, 2023

该研究提出了一种基于 DNN 的新框架，名为 ECM-VFI，用于高分辨率视频帧插值，包括具有大规模运动和遮挡的 4K 视频数据。通过递归追踪最大相关位置来改善光流更新的准确性。采用前向曲面匹配可以通过排除遮挡区域周围的错误曲面特征来提高更新精度和提高细化和混合网络生成的任意时间点的中间帧的质量。实验结果显示，该方案在 4K 视频数据和低分辨率基准数据集方面比以前的作品表现更优，并且具有最少的模型参数。

Nov, 2021

本文提出了一种新型的运动补偿帧率提升算法，通过双边运动估计和自适应阈值来创造高质量的插值帧以减少图块伪影。

Mar, 2022

通过使用两个主要操作：视频帧插值和压缩，IBVC（插值驱动的 B 帧视频压缩）引入了一种无比特率的双向运动估计与补偿方法，避免了光流量化和额外的压缩失真，通过自适应选择具有插值多尺度依赖的有意义的上下文，减少重复比特率的使用，并通过提出条件的时空解码器消除位置错误和伪影，相较于相关最先进方法，IBVC 在 B 帧编码方面取得了显著的改进，同时与 H.266（VTM）的随机访问（RA）配置相比，我们的方法能节省比特率。

Sep, 2023