本研究提出了一种模糊视频帧插值方法,通过金字塔模块和内部循环递推模块实现一定程度上同时减少运动模糊和提高帧率。实验证明,该方法在影像增强方面表现优异。
Feb, 2020
针对视频帧插值中的模糊和幻影效果等问题,我们提出了一种名为 PerVFI(以感知为导向的视频帧插值)的新方法,采用了 Asymmetric Synergistic Blending 模块,通过从两侧提取特征进行协同融合,使用稀疏拟二进制掩膜有效减轻幻影和模糊伪影,并采用基于归一化流的生成模型和负对数似然损失来学习输出的条件分布,进一步提高生成的图像细节的清晰度。实验证明,PerVFI 相较于现有方法在感知质量上有显著改进。
Apr, 2024
使用 Transformer 和跨尺度窗口关注机制的视频帧插值方法,在多个基准测试上达到了新的最先进结果。
May, 2022
本研究提出了一种使用可变形卷积的视频帧插值方法,使用粗到细的 3D CNN 增强多流预测,实验结果表明,该方法的干涉性能优于其他现有算法,最高可以获得 0.19dB 的 PSNR 增益。
Feb, 2022
本研究介绍了一种有效的视频帧插值框架,通过采用深度卷积和创新的高清增强策略,实现了对视频帧处理效能和质量的平衡。
本文提出了一种基于优化的视频帧插值方法,该方法利用循环一致性自适应策略,结合现有预训练的插值模型中的运动估计模块,以适应测试时的未见过的运动,实现提升性能。经过各种基准测试的详尽实验表明,该方法可以提升两帧插值模型的性能,优于现有最先进的方法,即使它们使用额外的输入。
Jun, 2023
本研究提出了一种新的框架,该框架可以通过光流估计学习引起模糊的像素级运动,然后将已解码的特征变形以估算的光流预测多个清晰的帧,从而以一种端到端的方式从运动模糊视频中去模糊、插值和外推锐化帧。
Mar, 2021
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
提出了一种名为 WaveletVFI 的新型两阶段帧插值框架,通过轻量级运动感知网络估计中间光流,然后使用流对齐的上下文特征和稀疏卷积预测多尺度小波系数,以实现高效的目标帧重构,通过嵌入分类器学习动态阈值来控制计算,从而实现高达 40% 的计算减少,保持了相似的准确性。
Sep, 2023
本研究提出了一种基于传播网络(PNet)的新框架,旨在有效解决视频帧插值(VFI)中存在的大间隔问题,将一侧的输入传播到可靠时间帧,然后使用标准方法进行插值。此方法在多项基准测试数据集上的实验结果表明,在长期 VFI 方面,其比现有的最先进方法更加有效。
Mar, 2022