基于可变形核区域的视频帧插值

视频帧插值任务近来在计算机视觉领域愈发普遍。目前众多基于深度学习的研究已取得巨大成功。其中多数或基于光流信息，或基于插值核，或结合这两种方法。然而这些方法忽略了在合成各目标像素时核区域位置存在网格限制。这些限制导致它们不能很好适应物体形状的不规则性与运动的不确定性，从而可能引入无关的参考像素用于插值。为解决此问题，我们重访用于视频插值的可变形卷积，其可打破核区域上的固定网格限制，使参考点分布更契合物体形状，进而扭曲出更精确的插值帧。在四个数据集上的实验证明了所提模型相较最优替代方法的优越性能。