2017-ICCV-(DVF)Video Frame Synthesis using Deep Voxel Flow

传统 optical-flow-based solutions 当 flow estimation 失败的时候，就变得非常困难；而最新的基于神经网络的方法直接预测像素值，经常产生模糊的结果。

通过训练一个神经网络，来学习去合成视频帧，通过 flowing pixel values from existing ones, 我们称之为：deep voxel flow. 所提出的方法不需要人类监督，任何video都可以用于训练，通过丢掉，并且预测现有的frames。

本文所涉及到的两个重要的部分，一个是 video interporation；一个是 video extrapolation

本文的目标是结合这两种方法的优势。作者有两个方面的观察：

　　1. 大部分像素块都是近邻图像的直接copy，而直接copy pixels 比模拟产生他们，要简单的多。

　　2. 端到端训练的神经网络是一个非常有效的工具。对于 video interpolation 和 extrapolation 来说，更是如此，因为训练可以是无限的；任何video都可以用于训练一个无监督的神经网络。

利用现有的video进行无监督的学习。我们扔掉 frames，然后利用损失函数来衡量 产生的像素值 和 gt 像素值之间的差距。