- CPT-Interp: 4D 医学影像插值的连续时空动态建模
通过流体力学的灵感,我们提出了一种使用隐式神经表示连续建模患者解剖运动的新方法,有效地桥接了欧拉和拉格朗日规范,从而自然地促进了连续帧插值。
- 移动手机双摄平滑变焦
通过构建虚拟相机生成双摄相机平滑缩放的数据集,使用帧插值技术进行模型优化,实现了在双摄预览中的平滑缩放效果优化。
- CVPROCAI: 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。
- ICCV深度几何化卡通线插帧
我们提出一种新方法 AnimeInbet,将线绘图的中间过程构建为端点图,并将中间过程重新定位为图融合问题,从而有效地捕捉线绘图的稀疏性和独特结构,在保持细节的同时合成高质量、干净、完整的中间线绘图。
- 适用于滚动快门影像的事件引导式视频帧插值的自监督学习
通过事件相机数据来指导自监督学习框架,以非线性稠密的 3D 时空信息估计位移场 (DF) 来应对回滚快门帧 (RS) 采集运动物体时的失真,实现相机任意帧速率插值 (VFI) 和 RS 帧到 GS 帧的互相重构。
- CVPR统一的金字塔循环网络用于视频帧插值
UPR-Net 是一种基于光流和轻量级循环模块的新型统一金字塔递归网络,采用迭代合成策略和双向光流估计来提高大运动情况下的帧间插值鲁棒性能。
- ECCV通过交替优化实现可解释的视频超分辨率
本文提出了一种可行的空时视频超分辨率(STVSR)框架,以解决鲁棒的视频采集中模糊、模糊和低分辨率等挑战,提供优异的定量测量和视觉质量表现。
- 增强型深度动画视频插帧
本研究提出使用 AutoFI 进行深度动画视频插值的方法,不断优化框架,提高了训练数据线性运动假设的准确性并使用 SktFI 进行后期精细处理,大幅提升了生成动画的视觉效果。
- CVPR基于事件的运动去模糊和帧插值的统一
该研究提出了一种基于事件感知的运动去模糊和帧插值的统一框架,该框架使用事件的超低延迟来缓解运动模糊并实现中间帧预测,后者可通过可学习的双重积分网络和融合网络实现。借助相邻模糊输入和同时发生的事件的信息,进一步提出了自监督学习框架,以实现对真 - ECCVFILM: 大运动帧内插值
本文提出了一种针对大幅度中间动作的帧内插法算法,采用多尺度特征提取器的单一统一网络来进行训练,通过优化 Gram 矩阵损失实现了高质量的视频帧合成,竞争性地超越其他基于感知损失的方法,在多个基准测试中获得了更高的分数,并通过实验证明了该模型 - ECCV提高 2D 动画插值的视觉质量
本研究旨在解决 2D 动画插值系统中的感知品质问题,提出了可有效降低可调参数以及改善口感表现的 SoftsplatLite 插值体系、利用线接近度解决难以处理的单色区域畸变的距离变换模块,以及用 Restricted Relative Li - 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。
- CVPR野外场景下深度动画视频插帧
本研究针对动画视频插帧问题,提出 AnimeInterp 框架,包括 Segment-Guided Matching 和 Recurrent Flow Refinement 模块,能够有效解决动画视频的颜色匹配和非线性动作问题,该方法在大规 - CVPR基于压缩的网络设计在帧内插值中的应用 (CDFI)
本文提出了一种基于模型稀疏性优化的压缩驱动网络设计方法,用于减小 DNN 图像插值模型的大小,并引入多分辨率变形模块以提高视觉一致性,相比原始模型具有更好的性能表现。
- AAAIPointINet:点云帧插值网络
本研究介绍一种名为 PointINet 的新型框架,其利用三维场景流计算出两个点云帧之间的插值帧以提高激光雷达的帧率。通过定量和定性实验证明了该方法的有效性,并在两个大型室外 LiDAR 数据集上展示了出色的表现。
- ECCVAIM 2020 挑战赛:视频时间超分辨率
本研究报告了第二届 AIM 挑战赛的视频时间超分辨率(VTSR),旨在提高低帧率 15 fps 视频的帧率至 30 fps 或 60 fps,采用手持相机捕获的各种视频进行培训和评估,竞赛获胜者采用改进的二次视频插值方法,在 VTSR 任务 - MMALANET: 自适应潜在注意力网络用于视频去模糊和插值
本文提出了一种新颖的 Adaptive Latent Attention Network (ALANET) 体系结构,可生成高帧率锐利视频,具有去模糊和插值任务,利用自注意和交叉注意模块优化表示来帮助模型生成和插值锐利帧。实验结果表明,我们 - ICCVAIM 2019 超时间视频超分辨率挑战:方法和结果
本文回顾了第一届 AIM 视频时间超分辨率(帧插值)挑战赛,并重点介绍了提出的解决方案和结果。该竞赛在涉及各种类型和强度的运动的 15 fps 视频序列中,要求挑战者通过估计中间帧提供更高帧率(60 fps)的视频序列。使用从手持相机中捕获 - ECCV深度时空视频上采样网络
本文提出了一种利用端到端深度学习网络框架,有效地融合视频超分辨率和帧插值,以实现时空视频上采样的新方法,通过提出的加权方案,在不需要显式运动补偿的情况下有效地融合输入帧,相较于基线模型,在减少计算时间(加快了 7 倍)和参数数量(减少 30 - CVPR模糊视频帧插值
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。