超级会员免费看
本文介绍了通过适应性分离卷积进行视频帧插值的方法，该方法结合运动估计和重新采样。对于大运动场景，需要大的卷积核。采用分离卷积能显著降低内存需求，如在1080p图像上，只需1.27 GB内存，而原始的41x41卷积核则需要26 GB。损失函数包括像素级别的L1颜色差和感知损失，以生成视觉上更优的结果。
基于卷积核合成的框架
卷积核同时考虑运动估计和 re-sampling。 对于 large motion，就需要 large kernels。
输出 两个 41×41 kernels，对于一张 1080p 图像的合成， the output kernels alone will require 26 GB of memory
当我们采用了separable convolution， For a 1080p video frame, using separable kernels that approximate 41 × 41 ones only requires 1.27 GB
Loss function 这里我们考虑两类损失函数：第一类是 L1 per-pixel color difference，第二类 L_F loss functions that this work explores is perceptual loss, which has often been found effective in producing visually pleasing images
1654
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
