IT外包 IT外包

咨询热线

400-635-8089

为什么选择IT外包公司

为什么选择IT外包公司

微软云
IT采购
弱电工程
系统集成

推荐视频

   走进蓝盟

蓝盟IT外包，两张照片可以转动视频！ 谷歌提出了FLIM帧插值模型

发布者：上海IT外包来源：http://www.lanmon.net点击数：1089


典型的帧插值应用场景是不足以提高帧速率的视频。 一些设备配备了专用硬件，可对输入视频的帧速率进行采样，以确保低帧速率视频也能在高帧速率显示下顺利播放。 不需要“眨眼补帧”。
随着深度学习模型变得越来越强大，帧内插技术可以从正常帧速率的视频中合成慢动作视频，也就是更多的中间图像。
随着智能手机的普及，数码照片对帧插值技术也有新的需求。
通常，我们拍照通常是在几秒钟内继续拍几张照片，然后从这些照片中选择更好的“照片诈骗”。
这样的图像有其特点。 场景基本上是重复的，主体人物只有很少的动作和表情的变化。
在这样的图像下进行帧插值会产生一种奇怪的效果，就是照片移动成为视频，视频通常比照片更有代入感和时间感。
是“现场照片”的感觉吧？
但是，帧插值的一个主要问题是不能有效地处理大场景的运动。
传统的帧插值是对帧速率进行上采样，基本上是对几乎重复的照片进行插值。 如果两幅图像的时间间隔在1秒以上、甚至更长，则需要能够知道物体运动规律的帧插值模型，也是当前帧插值模型的主要研究内容。
最近，谷歌研发团队提出了一种新的帧插值模型FLIM，可以对运动差异较大的两幅图像进行帧插值。
以前的帧插值模型很复杂，需要多个网络来估计光流和深度，还需要专用于帧合成的单独网络。 另一方面，FLIM需要单个统一网络，并且可以使用多尺度特征提取器来共享所有尺度上可训练的权重，并且只在帧中训练而不需要光流或深度数据。
FLIM的实验结果也优于以前的研究成果，证明可以合成高质量的图像，生成的视频也更一致。 代码和预训练模式是开源的。
文/上海蓝盟   IT外包专家
IT外包
中文
>
400-635-8089
立即
咨询 电话咨询
服务热线
400-635-8089
 微信咨询
微信咨询
微信咨询
公众号
公众号
公众号
返回顶部