本文提供了一种使用深度卷积神经网络从示例中直接学习滤波器并通过合成数据集进行训练的方法来提高视频运动放大技术的质量，这些方法可以在真实视频上获得高质量的结果，并且利用时间滤波器可用于中度放大，同时分析了所学得的滤波器与以前的方法中使用的导数滤波器的相似之处。

Apr, 2018

提出了一种由事件相机和传统 RGB 相机组成的双摄像头系统，结合了事件流的时间密集信息和 RGB 图像的空间密集数据，以实现对高频运动的广泛和经济有效的放大，通过深度网络解决了高频运动和微小运动放大的问题。

Feb, 2024

该论文提出了一种基于欧拉方法的运动放大方法，可在不需要光流、时间对准或区域注释的情况下，对视频图像进行运动和颜色的放大处理。

Apr, 2017

本文介绍了一种简单的自监督方法，用于放大视频中微小的运动：给定输入视频和放大因子，我们通过操作视频，使其新的光流按所需比例缩放。我们提出了一个损失函数来训练我们的模型，该函数估计生成视频的光流并惩罚其与给定放大因子的偏差程度。因此，训练涉及对预训练光流网络进行微分。由于我们的模型是自监督的，我们可以通过测试时间调整进一步提高其性能，通过在输入视频上进行微调。我们的方法还可以轻松扩展为仅放大用户选择的对象的运动。我们的方法避免了需要使用合成放大数据集来训练以前基于学习的方法的需求。相反，它利用现成的现有运动估计器的功能。我们通过对一系列现实世界和合成视频的视觉质量和定量度量进行评估，以及展示我们的方法在监督和无监督光流方法中的有效性。

Nov, 2023

本研究提出了一种基于 Swine Transformer 的视频运动放大技术的新模型，具有更好的对噪声输入的容忍性和输出高品质荧光的能力，可用于在任何依赖放大视频序列的应用程序中实现更精确的测量，为视频运动放大技术在新技术领域的进一步发展打下基础。

Feb, 2023

改进了通过提出一种名为轴向动作放大的新概念来提高视频动作放大的可读性，该方法可以放大沿用户指定方向的分解动作，并通过 Motion Separation 模块进行学习，以实现对特定轴的运动的放大和简化，从而提供更容易阅读的动作信息，并可应用于多种应用中具有特定运动轴的关键性运动。

Dec, 2023

DeepMag 是一种基于梯度上升的端到端深度神经网络视频处理框架，能够自动放大特定来源的微妙的颜色和运动信号，即使存在各种速度的大运动干扰。通过定量和定性评估该方法在不同头部运动水平的视频上的表现，我们将脉搏和呼吸的放大与现有的最先进方法进行了比较，发现我们的方法产生的放大视频具有更少的伪影和模糊，同时放大生理变化的程度类似。

Aug, 2018

频率解耦运动放大的多水平同构架构，稀疏高 / 低通滤波器和对比正则化的创新设计，使得该模型在减少不必要的运动放大和提高细节完整性方面表现出色。

Mar, 2024

运用 Euler 原理提取和放大固定点随时间嵌入变化的 3D 运动放大方法，支持运动相机拍摄场景的变化、创新视角渲染。通过时间变化的辐射场来表示场景，并在隐含和三平面辐射场作为三维场景表示中验证所提出的 3D 运动放大原理的有效性。在各种摄像机设置下，我们评估了所提出方法在合成和真实世界场景中的有效性。

Aug, 2023

SpikeMM 是一种基于 spike 的算法，专门为高速运动放大而设计，通过多级信息提取、空间上采样和运动放大模块的集成，实现了自我监督方法适用于各种场景，并与高性能超分辨率和运动放大算法无缝结合，经验证在实际高频设置中放大运动的能力。

Jun, 2024