点击蓝字
关注我们
AI TIME欢迎每一位AI爱好者的加入!
对于给定的视频进行插帧操作提高帧率会使得视频更加流畅,但往往用于视频插帧的深度神经网络都具有复杂的模型架构,这使得它们无法部署在系统资源有限的设备上,例如移动设备。
本文提出了一种压缩驱动的插帧网络设计(CDFI),该设计通过稀疏诱导优化来进行模型剪枝,在实现卓越性能的同时显著减少模型大小。
具体地说,我们首先压缩最近提出的AdaCoF模型,并表明10倍压缩后的AdaCoF表现与原始版本相似;在此基础上,通过引入多分辨率的warping模块,进一步改进了该模型,提高了多层细节的视觉一致性。因此,与原始AdaCoF相比,我们在模型大小仅为四分之一的情况下获得了显著的性能增益。此外,我们的模型在广泛的数据集中表现得与其他技术水平相当。最后,所提出的压缩驱动框架具有通用性,可方便地应用于其他基于DNN的框架插值算法。
本期AI TIME PhD直播间,我们有幸邀请到了本文的作者丁天宇博士为大家分享这项研究工作!