深度帧插值

本工作提出了一种基于监督学习的方法来解决帧插值的计算机视觉问题。所提出的技术也可用于卡通动画，因为绘制每一帧会消耗大量时间。解决该问题的大多数现有方法使用无监督方法，且仅关注帧率已经较高的真实生活视频。然而，实验表明，当帧率变低且帧间物体位移变大时，此类方法效果不佳。这是由于大位移运动的插值需要运动结构的知识，因此诸如帧平均之类的简单技术开始失效。在本工作中，使用深度卷积神经网络来解决帧插值问题。此外，结果表明，结合诸如光流之类的先验信息可显著提高插值质量。