运动模糊视频的插值与外推

相机或场景中物体的突然运动导致视频模糊，因此恢复高质量视频需要两类增强：视觉增强与时间上采样。大量研究试图从模糊图像序列中恢复清晰帧或通过插值进行时间上采样，但联合处理这两个问题的研究极为有限。本工作中，我们提出了一种新颖的端到端框架，从运动模糊视频中进行去模糊、插值并外推清晰帧。我们设计该框架时，首先通过光流估计从给定输入中学习引起模糊的像素级运动，随后利用估计的光流对解码特征进行扭曲以预测多帧清晰图像。为确保预测帧间的时间相干性并解决潜在的时间歧义，我们提出了一种简单而有效的基于光流的规则。通过对高速视频运动模糊数据集的广泛定性与定量评估，凸显了我们方法的有效性与优越性。