基于事件驱动光流各向异性调整的视频插值

由于真实世界场景不断变化，视频帧插值是一项具有挑战性的任务。先前方法常计算双向光流，然后在线性运动假设下预测中间光流，导致各向同性的中间流生成。后续研究通过额外帧估计高阶运动信息获得各向异性调整。基于运动假设，其方法难以建模真实场景中的复杂运动。本文中，我们提出一种端到端训练方法 A^2OF，用于事件驱动光流各向异性调整（Anisotropic Adjustment of Optical Flows）的视频帧插值。具体而言，我们利用事件为中间光流生成光流分布掩码，从而能建模两帧间的复杂运动。我们提出的方法在视频帧插值上优于先前方法，将基于事件的监督视频插值带入更高阶段。