只給AI兩張圖片，就能得到高幀率動態視頻？

輸入的兩張圖像，重疊后是這樣的：

而算出來的視頻，是醬嬸的：

不錯，這又是視頻插幀算法的功勞。

極限操作玩得6，讓老電影變絲滑的常規手法，這個名叫RIFE的AI算法同樣信手拈來。

右邊這支經典探戈，看上去是不是比左邊絲滑多了？

不僅是老電影，飛行表演的精彩瞬間，也能一口氣從每秒24幀提升到每秒96幀。

這項新研究，來自曠視和北大。不僅能讓老影像資料追上人民群眾對高幀率的需求，支持2X/4X/8X高質量插值，它還有一個最大的特點：快。

量子位在Colab上用T4跑了一遍Demo，一個時長53秒的720p 25fps視頻，插值到100fps僅用了2分19秒。

該項目現已開源，并且有官方Demo、第三方Windows應用可以試玩。

看過了RIFE的表現，網友們不由驚嘆，這是要超越那只經常在各種修復視頻里出現的插幀AI DAIN，引領一波新潮流的節奏啊？

一時之間，RIFE在Reddit上的熱度飆升到了2.8k。

那么，這樣的效果究竟是怎么實現的呢？

視頻插幀，通常是用光流預測算法來預測中間幀，并插入兩幀之間。光流，就像光的流動一樣，是一種通過顏色來表示圖像中目標移動方向的方式。

△稀疏光流與稠密光流

傳統光流預測算法，通常根據前后兩幀視頻來預測中間的某一幀長啥樣。

將預測完成的圖像插進去后，視頻看起來就會變得更絲滑。

以DAIN的算法為例，如果要預測t時刻的幀，就需要t時刻的前后兩幀視頻，通過光流預測算法來實現。

△DAIN的算法圖

但是這一類的算法會產生一個缺點：在預測過程中，如果用前后兩幀圖像產生雙向光流，用線性組合來估計中間流，預測出來的結果，在運動邊界區域就會出現偽影。

這樣的偽影，使得重建中間幀圖像的效果不盡人意。

那么，如果換一種思路，直接先預測中間流呢？

相比于利用前一幀和后一幀進行兩次估計，這里的IFNET （a Specialized and Efficient Intermediate Flow Network）算法，將直接采用線性運動假設，對中間幀進行一次估計。

效果也顯而易見，相比于利用前后兩幀的雙向估計所產生的光流，利用IFNET估計出的光流效果非常清晰，而且幾乎沒有偽影。

利用這種方式重建圖像，不僅光流邊緣看得清楚，而且速度也更快。

論文提到，RIFE是首個基于光流的實時視頻插幀方案。

由于中間幀預測，直接假設了前后兩幀的變換是線性的，相當于每幀預測中直接少了一次估計。

那么，這個模型，究竟將插幀算法提升到了怎么樣的水平？

前文已經提到，RIFE最亮眼的一點是快。

研究人員在UCF101、Vimeo90K、Middlebury OTHER set和HD benchmarks等基準上，將RIFE與英偉達的SoftSplat、上交大的DAIN等「前輩」進行了對比。

用來測試運行時間的是一個640 x 480的視頻，使用的GPU型號是NVIDIA TITAN X（Pascal）。

從結果可以看出，在性能相當的情況下，RIFE基礎模型的運行速度超過了所有對比方法。

而模型的大版本RIFE-Large，在性能超越SOTA方法SoftSplat的情況下，運行速度快出了30%。

另外，研究人員基于Vimeo90K測試集，提供了可視化的對比結果。

可以看到綠框部分，SepConv-L1和DAIN產生了偽影，而CAIN鏟子部分則出現了缺失，相對而言，RIFE生成的結果更為可靠。

效果這么美麗的模型，應該怎么使用？

目前作者們已經給出了預訓練模型的幾種用法，從GitHub項目中可以直接下載網盤版的壓縮包。

無論是用作者提供的demo、還是用你自己想要進行插幀的樣本，都可以上手試玩。

當然，模型也有colab版本，可以直接在云服務器上玩模型。

而且，已經有玩家做出了Windows版的軟件，可以直接下載下來使用。界面看起來還挺簡潔：

模型RIFE的出現，已經讓一些游戲愛好者狂熱了起來：

你們能想象嗎，就算是已經吃灰很久的PS2，也可以達到4k游戲的水平效果了！利用這種算法，3步就能搞定！

不過，也有網友表示了對這種算法的擔憂。

雖然這種算法速度快、性能高，但實際上存在一個問題：

這種算法，本質上無法聯想到丟失的幀間信息，所以無法用在安防視頻上。

對于這些方面的應用，未來還需要進一步考慮。

總結

以上是生活随笔為你收集整理的2张图片就能“算出”一段视频 惊到网友的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。