如今，人们对于视频帧率的追求越来越高，因为高帧率视频更加顺滑、流畅，能极大地提升人们的观看体验。

现有相机拍摄的视频帧率，也从 24 FPS（frames Per Second) 不断提升到 60 FPS，再到 240 FPS 甚至更高。

但是，高帧率的摄像设备，对于内存需求非常大，而且成本高昂，尚不能普及。为了在没有专业设备的情况下，能够得到高帧率的视频，视频插帧技术应运而生。

而英伟达提出的 AI「脑补」大法 Super SloMo，则在众多视频插帧技术中一骑绝尘，即使帧率仅仅为 30 帧的视频，也可以 Super SloMo 补成 60 帧、240 帧甚至更高。

▍传统插帧方法优劣势一览

为了更好地理解 Super SloMo，我们首先来了解一下现有的较为传统的视频插帧技术。

帧采样

帧采样就是用关键帧来做补偿帧，其实质就是拉长每一个关键帧的显示时间，相当于并没有插帧。除了获得文件属性更高的帧率和在同视频质量下更大的文件体积外，不会带来任何视觉观感上的提升。

优点：帧采样消耗资源少，速度快。

缺点：可能会使得视频看起来不是很流畅。

帧混合，顾名思义，就是提升前后关键帧的透明度，再将其混合成一个新的帧，来填补空缺。

优点：计算所需时长短。

缺点：效果不佳。由于只是简单的把原关键帧变成半透明状，运动物体轮廓在前后两帧交叠的时候，就会产生明显的模糊场景，对视频的视觉效果流畅程度提升很小。

运动补偿（Motion Estimation and Motion Compensation，简称 MEMC），其原理是在水平和垂直两个方向上，对两帧之间的差异寻找出现运动的块，通过分析图像块的运动趋势，再辅以计算得到中间帧。

MEMC 主要被应用于电视、显示器和移动端，提升视频帧率，给观众更加流畅的观感。

优点：减小运动抖动，减弱画面拖尾与虚影，提升画面清晰度。

缺点：对于运动物体背景比较复杂的情况 ，就会出现物体边缘运动的 bug。

光流法

光流法是计算机视觉研究中的一个重要方向，其根据上下帧来推断像素移动的轨迹，自动生成新的空缺帧。有点类似于运动模糊计算方法。

优点：画面更流畅、卡顿感弱。

缺点：计算量大, 耗时长；对光线敏感，在光线变化较大的情况下，容易出现画面紊乱的错误。

▍Super SloMo：AI 插帧法，堪称业界经典

在 2018 年计算机顶会 CVPR 上，英伟达发布的论文《Super SloMo: High Quality Estimation of Multiple Intermediate frames for Video Interpolation》中，提出了 Super SloMo，在业界引起广泛关注。

Super SloMo 不同于传统方法，它利用深度神经网络来实现补帧，基本思路为：使用大量普通视频与慢动作视频进行训练，然后让神经网络学会推理，根据正常视频生成高质量的超级慢动作视频。

Super SloMo 团队提出的方法，其整个框架依赖于两个全卷积神经网络  U-Net。

首先，用一个 U-Net 来计算相邻输入图像之间的双向光流。然后，在每个时间步长上对这些光流进行线性拟合，以近似中间帧的双向光流。

为了解决运动边界出现伪影的问题，使用另一个 U-Net 来对近似的光流进行改善，并且预测柔性可见性映射关系。***后，将输入的两张图像进行扭曲和线性融合，从而形成中间帧。

此外，Super SloMo 的光流计算网络和插值网络的参数，都不依赖于被插值帧的特定时间步长（时间步长被做为网络的输入）。因此，它可以并行地在两帧之间的任意时间步长上插帧，从而突破了很多单帧插值方法的局限性。

       作者表示，使用他们未经优化的 PyTorch 代码，在单个 NVIDIA GTX 1080Ti 和 Tesla V100 GPU 上，生成 7 个分辨率为 1280*720 的中间帧，分别只需要 0.97 秒和 0.79 秒。

为了训练网络，作者从 YouTube 和手持摄像机上收集了多个 240 帧的视频。总计收集了 1100 个视频段，由 30 万张 1080×720 分辨率的独立的视频帧组成。这些视频从室内到室外，从静态相机到动态相机，从日常活动到专业运动，包含了各类场景。

之后在其它数据集上对模型进行了验证，结果表明，该研究在这些数据集上比现有的方法性能上有了显著的提高。

虽然英伟达这一论文的作者尚未公开数据集和代码，不过，高手在民间，GitHub 上一位名为为 avinashpaliwal 的用户，已经开源了自己对 Super SloMo 的 PyTorch 实现，其结果与论文描述相差无几。

本文摘自：网络 日期：2021-03-22
详情点击：ABB机器人代理商