CVPR2024 | 视频插帧视觉效果新突破！上海交大提出PerVFI，视频插帧新范式

关注公众号，发现CV技术之美

分享一篇来自CVPR2024的视频插帧工作《Perception-Oriented Video Frame Interpolation via Asymmetric Blending》。

该论文提出的视频插帧算法PerVFI在视觉效果上实现了新的突破。同时，论文阐述了新的视频插帧范式，有效解决现有插帧算法的痛点。

• 论文地址：

https://openaccess.thecvf.com/content/CVPR2024/html/Wu_Perception-Oriented_Video_Frame_Interpolation_via_Asymmetric_Blending_CVPR_2024_paper.html

• 论文代码：

https://github.com/mulns/PerVFI

技术背景

视频插帧技术一直是视频处理中的关键任务之一。给定特定时刻的视频图像（参考帧），视频插帧技术旨在合成中间时刻的图像，从而将低帧率的视频转化为高帧率视频。视频插帧技术可以被广泛用于多媒体行业，例如视频生成、视频质量优化、视频剪辑等。

现存问题

尽管基于神经网络的视频插帧技术正在快速更新优化，现有的算法仍然面临以下问题：生成的视频普遍存在模糊、重影问题。这篇论文总结这类问题的产生原因如下：

1.对无法避免的运动误差考虑不足。无论使用光流算法还是插帧算法自带的运动估计器，都无法避免会存在运动误差，尤其是在图像运动幅度较大的情况下。在此情况下不加以特别处理的话，容易出现重影问题。

2.由于训练数据中的ground-truth图像并不是唯一解，且存在与目标时间不对齐的问题。在此情况下，训练时使用重建损失容易导致结果模糊。

解决方案（新范式）

1. 针对运动误差：由于本文专注于提升合成视频的视觉质量，因此物体运动上存在一定程度上的偏移是可以接受的。然而，这种偏移会导致从不同参考帧映射到时间t的特征不对齐。因此，相比简单地将不对齐特征进行自适应融合（对称融合），本文提出的利用稀疏约束来进行非对称融合的方法，可以有效缓解重影现象。

2. 针对监督信号时域不对齐：采用Normalizing flow-based Network作为生成器，学习监督信号的分布，从而解决解空间不唯一导致的模糊问题，重建出清晰的结果。

网络结构

1. ASB模块为新设计的非对称融合模块，利用稀疏化的权重Mask来控制信息融合的非对称性。PAM为特征对齐模块，ADM为权重掩码的合成模块。

2. 在获得了融合的多尺度特征之后，利用Normalizing Flow-based Network来进行条件生成。这是一个可逆网络，正向/反向分别代表Encoding/Decoding过程。

实验效果

在面向感知的图像质量评价指标LPIPS和视频插帧质量评价指标FloLPIPS、VFIPS上，PerVFI算法都远优于其他算法。

更多视觉质量可视化可以参考项目主页：

https://mulns.github.io/pervfi-page/

未来工作

1. 由于这篇文章重点在于提出一种新的范式，因此网络结构上有很大的优化空间，可以通过进一步改良各模块结构来达到更高的效率和性能。

2. 文章中网络的训练仅使用了Vimeo90K数据集，便获得了较好的泛化能力。后续可以通过质量数量更优的数据集训练来进一步提升性能。

最新 AI 进展报道
请联系：amos@52cv.net

END

欢迎加入「视频处理」交流群👇备注：vid