ECCVAug, 2022

事件驱动各向异性光流插值

PDF
TL;DR本文提出了一种基于事件驱动的非各向同性光流调整的端到端训练方法 A ^ 2OF，以建模两帧之间的复杂运动，这种方法在视频帧插值方面的性能优于之前的方法，将监督式事件驱动视频插值推向了更高的阶段。
video frame interpolationoptical flowanisotropic adjustmentend-to-end training methodevent-driven
发现论文，激发创造
  • IDO-VFI: 基于光流引导的动态识别用于事件驱动视频帧插值

    本文介绍了利用事件相机和基于事件的光流估计算法结合的方法，来提高视频插帧的准确度和效率。

    May, 2023

  • 任务导向流的视频增强

    本研究提出了一种基于任务的流程（TOFlow），该方法采用自我监督的方式以任务特定的方式学习运动表示，并在视频插值、视频去噪 / 去块以及视频超分辨率等三个视频处理任务上超越了传统的光流方法。

    Nov, 2017

  • 重新审视基于事件的视频帧插值

    利用动态视觉传感器或事件相机进行视频帧插值，结合 RGB 信息的事件引导光流细化策略和分阶段的中间帧合成策略，可以获得比先前的视频帧插值方法更可靠和更真实的中间帧结果。

    Jul, 2023

  • OCAI: 通过遮挡和一致性感知插值改进光流估计

    通过生成中间视频帧和光流来支持鲁棒的帧插值，我们提出了一种利用前向映射和遮挡感知解决像素值模糊和缺失的 OCAI 方法，并引入了师生式半监督学习以提高插值质量和光流准确性。

    Mar, 2024

  • 运动感知视频帧插帧

    该研究介绍了一种 Motion-Aware Video Frame Interpolation (MA-VFI) 网络，通过引入新颖的分层金字塔模块，直接估计相邻帧之间的中间光流，从而解决了现有方法在复杂场景（包括遮挡和不连续运动）中易产生图像模糊和伪影的问题，并有效降低了计算成本和复杂性。实验证明，该方法在多个数据集上超越了几种代表性的视频帧插值方法，既提高了效率又保持了良好的准确性。

    Feb, 2024

  • 深度感知视频帧插值

    该研究提出了一种通过探索深度信息来明确检测遮挡的视频帧插值方法，其中利用深度感知流投影层来合成中间流动图像，并且通过分类学习来收集周边像素的上下文信息，实现了输入帧、深度图和像素之间的变换以实现帧合成。

    Apr, 2019

  • 使用事件相机进行单张图像的光流估计

    该研究探讨了如何利用事件相机和模糊图像进行光流估计，提出了一种基于事件相机和模糊图像的光流估计算法，并通过实验验证了该算法的优越性。

    Apr, 2020

  • TimeLens：事件驱动的视频帧插值

    该研究介绍了一种将基于合成和基于流的方法结合使用的新方法 Time Lens，通过采用事件相机技术来消除场景中高动态的影响，并在多个基准测试中提高了 5.21 dB 的峰值信噪比。

    Jun, 2021

  • 基于事件的视频帧插值与边缘引导的运动细化

    利用事件相机和边缘特征来提高视频帧插值的质量。

    Apr, 2024

  • AdaCoF：用于视频帧插值的自适应流协作

    提出了一种新的适应性流协作分组方法（Adaptive Collaboration of Flows，AdaCoF），可以综合处理复杂运动的广泛领域，加入双帧对抗性损失，用于视频帧内插计算，实验结果表明优于现有的最佳方法。

    Jul, 2019